包括在正则表达式

Question

半空间（\ u200c）在正则表达式例如在Python当我使用：

WORD = re.compile(r'\w+') 

然后使用：

w = 'This is a test' 
WORD.findall(w) 

我得到：

['This', 'is', 'a', 'test'] 

现在我想对待half-space字符，这是\u200c作为正常的字母数字字符，所以如果我有：

w = 'This\u200cis a test' 

然后当我运行WORD.findall(w)我得到：

['This\u200cis', 'a', 'test'] 

我怎么能这样做？

Answer 1

使用character classes包括\u200c除了\w（Python 3.x都有+）：

>>> import re 
>>> re.findall(r'[\u200c\w]+', 'This\u200cis a test') 
['This\u200cis', 'a', 'test'] 

在Python 2.x中，您需要使用unicode：

>>> re.findall(u'[\u200c\w]+', u'This\u200cis a test') 
[u'This\u200cis', u'a', u'test']