在非字母数字和字母数字字符之间插入空格，但不包括特定字符（Python）

Question

是否有机会排除部分unicode（非字母数字）被考虑？ 我对包含变音符号的阿拉伯文字词进行了标记，有时将它视为非字母数字字符，但我不想删除它们，并且需要在非字母数字字符（除了变音符号）和字母数字之间留有空格。 。这是通过使用正则表达式？我想排除的代表变音符号的unicode如下：u'\ u064b'，u'\ u064c'，u'\ u064d'，u'\ u064e'，u'\ u064f'，u'\ u0650'， u'\ u0651'，u'\ u0652'

是可能的吗？

许多在此先感谢

Answer 1

只是建立一个自定义的字母数字的图案为你的目的：

accents = [u'\u064b', u'\u064c', u'\u064d', u'\u064e', u'\u064f', u'\u0650', u'\u0651', u'\u0652'] 
alnum = r'([\w%s]+)' % re.escape(''.join(accents)) 
pattern = re.compile(alnum, re.UNICODE) 

要查找所有标记：

>>> test_str = "...foo" + ''.join(accents) + "...bar" 
>>> test_str 
'...fooًٌٍَُِّْ...bar' 
>>> pattern.findall(test_str) 
['fooًٌٍَُِّْ', 'bar'] 
>>> len(_) 
2 

我们把代币之间的空间其余的：

>>> ' '.join(filter(None, pattern.split(test_str))) 
'... fooًٌٍَُِّْ ... bar' 
>>> len(_.split()) 
4