Python字母重复替换Unicode字符串

时间:2013-05-24 13:21:58

标签: python regex unicode duplicates cyrillic

我需要在字符串中替换两个输入错误的字母,例如“bbig”。但它只适用于拉丁字母,而不适用于西里尔字母。我在Centos Linux下使用Python 2.6.6版。

#!/usr/bin/python
# -*- coding: utf-8 -*-
import re
def reg(item):
  item = re.sub(r'([A-ZА-ЯЁЄЇІ])\1', r'\1', item, re.U)
  #this work only with latin too
  #item = re.sub(r'(.)\1', r'\1', item, re.U)
  return item

print reg('ББООЛЛЬЬШШООЙЙ')
print reg('BBIIGG')

上面的代码返回:

  • ББООЛЛЬЬШШООЙЙ
  • BIG

我做错了什么?谢谢你的帮助。

1 个答案:

答案 0 :(得分:2)

您正在使用字节字符串。这使得您使用的所有内容都匹配并替换字节。如果你想匹配和替换字母,这将无效。

改为使用unicode字符串:

#!/usr/bin/python
# -*- coding: utf-8 -*-
import re
def reg(item):
  item = re.sub(ur'([A-ZА-ЯЁЄЇІ])\1', r'\1', item, re.U)
  #this work only with latin too
  #item = re.sub(r'(.)\1', r'\1', item, re.U)
  return item

print reg(u'ББООЛЛЬЬШШООЙЙ')
print reg(u'BBIIGG')

请注意,这适用于预先组合的字符,但使用组合标记组成的字符将会平滑。

如果用户试图输入这个句子(提示:检查它的第二个单词),那也将是灾难性的。