4

Python 2.7.6 проблема с применением re к строке на русском.

  1. задача - найти три буквенно-цифровых символа с последующей точкой;

  2. код:

    #!/usr/bin/python
    # -*- coding: utf-8 *-*
    import re
    new = re.findall("\w{3}\.", "gth. Ср. дек.  7 21:22:29 EET 2016" )
    print new
    
  3. результат >> ['gth.']

  4. вопрос: почему игнорируется 'дек.'?

3
  • 2
    3 "буквенно-цифровых символа" включая _? \w находит символы подчеркивания. А ответ Алекса верен: в 2.7 надо использовать re.U / u"". 8 дек 2016 в 8:26
  • Спасибо, ведь действительно \w включает _. В моем случае не критично, но я не вспомнил это. 8 дек 2016 в 20:54
  • 2
    Символ подчёркивания исключается вот так - [^\W_] 8 дек 2016 в 20:56

1 ответ 1

8

Используйте Unicode-строки и флаг re.UNICODE:

#!/usr/bin/env python2
# -*- coding: utf-8 *-*

import re
pattern = re.compile(ur"\w{3}\.", re.UNICODE)
match = pattern.findall(u"gth. Ср. дек.  7 21:22:29 EET 2016")
print(match)
for i in match:
    print(i)

Результат:

[u'gth.', u'\u0434\u0435\u043a.']
gth.
дек.

Ваш ответ

By clicking “Отправить ответ”, you agree to our terms of service and acknowledge that you have read and understand our privacy policy and code of conduct.

Всё ещё ищете ответ? Посмотрите другие вопросы с метками или задайте свой вопрос.