我使用以下方法编译了我的正则表达式：
number_re = re.compile(ur'(?<![-_\.])\b([0-9]+|[0-9]+[0-9-_\.]*[0-9]+)\b(?![-_\.])'), re.UNICODE)
并设法匹配以下字符串中的 1990-1991 ：
mystring = 'フットボールリーグ1990-1991'
match = number_re.search(mystring)
>>> <_sre.SRE_Match at 0x25e1918>
match.group()
>>> '1990-1991'
但是当字符串被解码时（或当它被传递到函数中时）
mystring = 'フットボールリーグ1990-1991'.decode('utf-8')
>>> u'\u30d5\u30c3\u30c8\u30dc\u30fc\u30eb\u30ea\u30fc\u30b01990-1991'
match = number_re.search(mystring)
匹配不再发生，我猜它与边界'\ b'不匹配，因为它看起来像一个连续的字符串，但我不完全确定。
我认为我已经把所有unicode要求（用're.UNICODE'标志编译，并且在我的正则表达式字符串中加上'ur'。我要尝试的最后一件事是Python regex library每个人都说好，但我想知道我现在的东西有什么问题！:)。
答案 0 :(得分：0)
\ B'/ P>
字母グ和数字1之间没有字边界 - 它们都是字母数字。当使用支持Unicode的正则表达式时，这是正确处理的，因此不匹配。如果您不想将片假名和其他非ASCII字母视为字母，请删除控制此行为的re.UNICODE标记。
当您将字节字符串发送到从Unicode字符串编译的正则表达式时，它会自动解码。由于某种原因，它似乎被解码为ISO-8859-1（而不是，例如，sys.getdefaultencoding()）...不知道为什么会这样，但隐式编码/解码通常是不可避免的。
グ的UTF-8字节序列，当被错误解码为ISO-8859-1时，出现为ã[control char]°。学位标志不是一个孤儿，所以你得到一个匹配。