我在unicode中有一个城市名称，我希望将其与正则表达式匹配，但我也想验证它何时是字符串，例如＆＃34;纽约＆＃34;。 我搜索了一下，尝试了下面附带的东西，但无法弄清楚如何？
我试过这个正则表达式＆＃34;（[\ u0000- \ uFFFF] +）＆＃34;在这个网站上：http://regex101.com/#python它有效，但无法在python中运行。
提前致谢!!
city=u"H\u0101na"
mcity=re.search(r"([\u0000-\uFFFFA-Za-z\s]+)", city, re.U)
mcity.group(0)
u'H'
答案 0 :(得分：1)
mcity=re.search(r"([\u0000-\uFFFFA-Za-z\s]+)", city, re.U)
与\x不同，\u不是正则表达式语法中的特殊序列，因此您的字符组匹配文字反斜杠，字母U等。
要在正则表达式中引用非ASCII，您必须将它们包含在Unicode字符串中作为原始字符，例如：
mcity=re.search(u"([\u0000-\uFFFFA-Za-z\\s]+)", city, re.U)
（如果您不想对\s进行双反斜杠，您还可以使用ur字符串，其中\u仍可用作转义符，但另一个转义为\x不这样做。但这有点令人困惑。）
此字符组是多余的：包括范围U + 0000到U + FFFF已涵盖所有A-Za-z\s，实际上包括控制字符的整个基本多语言平面。在Python的一个狭窄版本（包括Windows Python 2版本）中，BMP外部的字符使用U + D800到U + DFFF范围内的代理对来表示，实际上你只允许每一个字符，所以它不是很多过滤。 （.+将是一种更简单的方式。）
然后，在世界不同地区表达可能构成有效城镇名称的内容非常困难。我很想接受任何控制字符和前导/尾随空格的东西，不是空字符串。