\ W在模式re.U中意味着什么？

Question

我有一个名为gugong.txt的文本文件，其中包含一些中文和英文单词。我想提取中文单词。代码如下： note_file = open('gugong.txt','rb')

note_file = open('gugong.txt','rb')
content = note_file.read() 
print type(content)
note_file.close()
sentences = re.split("\W+|[a-zA-Z0-9]+", content, 0, re.UNICODE) 

我想问一下：\ W在最后一行的模式re.U中是什么意思？它与\ u4E25这样的中文单词匹配吗？ re.U和re.L（默认值）之间有什么区别？

Answer 1

\W表示，不是单词。正则表达式将匹配任何不被视为单词的内容。

来自文档，

  

如果未指定LOCALE和UNICODE标志，则匹配any   非字母数字字符;这相当于集合   [^ A-ZA-Z0-9_]。使用LOCALE，它将匹配不在集合中的任何字符   [0-9_]，并且未定义为当前区域设置的字母数字。如果   UNICODE已设置，这将匹配除[0-9_]以外的任何内容   字符在Unicode字符中被分类为非字母数字   属性数据库。