在python组捕获中对正则表达式的Unicode支持

Question

我目前在python中使用re2，re和pcre来进行正则表达式匹配。当我使用正则表达式，如re.compile（“（？P（\ S *））”）它很好，编译没有错误，但当我使用unicode字符，如re.compile（“（？P <årsag> （\ S *））“），那么会出现错误，无法编译。是否有任何Python库完全支持unicode。

编辑：请参考我的输出：

>>> import regex 
>>> m = regex.compile(r"(?P<årsag>(\S*))") 
Traceback (most recent call last): 
    File "<stdin>", line 1, in <module> 
    File "/usr/local/lib/python2.7/site-packages/regex.py", line 331, in compile 
    return _compile(pattern, flags, kwargs) 
    File "/usr/local/lib/python2.7/site-packages/regex.py", line 499, in _compile 
    caught_exception.pos) 
_regex_core.error: bad character in group name at position 10 

Answer 1

您需要使用外部正则表达式模块。 regex模块将支持命名捕获组名称中的Unicode字符。

>>> import regex 
>>> m = regex.compile(r"(?P<årsag>(\S*))") 
>>> m.search('foo').group('årsag') 
'foo' 
>>> m.search('foo bar').group('årsag') 
'foo'