Làm cách nào để chỉ định một dải các ký tự unicode

Question

Làm cách nào để chỉ định một dải các ký tự unicode từ ' ' (không gian) đến \u00D7FF?

Tôi có cụm từ thông dụng như r'[\u0020-\u00D7FF]' và nó sẽ không biên dịch nói rằng đó là phạm vi xấu. Tôi mới vào Unicode biểu thức thông thường vì vậy tôi đã không có vấn đề này trước.

Có cách nào để thực hiện biên dịch này hoặc cụm từ thông dụng mà tôi quên hoặc chưa học được chưa?

Answer 1

Cú pháp của dãy unicode của bạn sẽ không làm những gì bạn mong đợi.

1. Các nguyên r'' chuỗi ngăn \u thoát khỏi bị phân tích cú pháp, và động cơ regex sẽ không làm điều này. Phạm vi chỉ trong bộ này là [0-\]:

   >>> re.compile(r'[\u0020-\u00d7ff]', re.DEBUG) 
   in 
       literal 117 
       literal 48 
       literal 48 
       literal 50 
       range (48, 117) 
       literal 48 
       literal 48 
       literal 100 
       literal 55 
       literal 102 
       literal 102 
   

2. Làm cho nó một Unicode đen causes \u parsing while leaving other backslashes alone (mặc dù đó không phải là một mối quan tâm ở đây), nhưng zero hàng đầu đang rối tung nó lên. Cú pháp là \uxxxx hoặc \Uxxxxxxxx, do đó được phân tích cú pháp là "\u00d7, f, f".

   >>> re.compile(ur'[\u0020-\u00d7ff]', re.DEBUG) 
   in 
       range (32, 215) 
       literal 102 
       literal 102 
   

3. Loại bỏ các zeroes hàng đầu hoặc chuyển sang \U0000d7ff sẽ sửa chữa nó:

   >>> re.compile(ur'[\u0020-\ud7ff]', re.DEBUG) 
   in 
       range (32, 55295) 
   

Answer 2

Nếu bạn đang sử dụng Python 2.x, bạn nên chắc chắn rằng bạn đang xác định một chuỗi unicode (với u '', hay "unicode" built-in):

>>> r = re.compile(u'[\u0020-\uD7FF]') 
>>> r.search(u'foo \uD7F0 bar') 
<_sre.SRE_Match object at 0xb7084950> 
r.search(u' ') 
<_sre.SRE_Match object at 0xb7084b48> 

Sử dụng liệu chuỗi (như bạn đang có, với r '') cung cấp cho bạn chuỗi (ascii) được tạo bởi "backstroke" + chữ "u" cộng với số 0 cộng ...