Question

我有以下文字，想要提取'- あらたなるきぼう'和日语字符'('之间的'、'

st1='『スター・ウォーズ エピソード4/新たなる希望』（ - あらたなるきぼう、Star Wars Episode IV: A New Hope)'

我使用了两种正则表达式方法来提取我想要的东西，但它们都没有。

 # -*- coding: utf-8 -*-
  import  re
  st1='『スター・ウォーズ エピソード4/新たなる希望』（ - あらたなるきぼう、Sta    r Wars Episode IV: A New Hope)'
  m1 = re.search('\(([^、]*).*、.*\)',st1)
  m2 = re.search('\((.*?)、.+?\)',st1).group(1)

知道我做错了什么吗？

当然我可以先使用'、'然后'('使用拆分方法。首先，它是丑陋而不健全的，其次是由于某种原因，它不会被'('分开：

st1.split('、')[0].split('(')`

Answer 1

第一个字符是：

（

不

这些是截然不同的字符。第一个是FULLWIDTH LEFT PARENTHESIS。第二个是正常的ascii开括号。

您必须使用具有正确unicode字符的unicode字符串才能获得匹配：

>>> st1=u'『スター・ウォーズ エピソード4/新たなる希望』（ - あらたなるきぼう、Star Wars Episode IV: A New Hope)'
>>> import re
>>> re.search(u'（([^、]*).*、.*\)',st1)
<_sre.SRE_Match object at 0x103717738>

Answer 2

如果您正在使用2.x，请尝试将正则表达式字符串设置为unicode-escape字符串，并使用＆＃39; u＆＃39;。由于它的正则表达式是一个很好的做法，使你的正则表达式字符串成为一个原始字符串，用＆＃39; r＆＃39;。此外，将整个模式放在括号中是多余的。

参考doc或ans

在重新包装中使用日语分隔符

2 个答案: