Python - 带日文字母的正则表达式只匹配一个字符

Question

我正试图在日语地址中找到某些单词，以便我可以擦除它们。如果只有一个字符，正则表达式工作正常，但它们似乎找不到2个字符或更多的字符串：

import re
add = u"埼玉県川口市金山町１２丁目１－１０４番地"

test = re.search(ur'["番地"|"丁目"]',add)
print test.group(0)

丁

我可以使用re.findall代替re.search，但它会将所有结果放入元组中，因此我必须解析元组。如果这是最好的方式，我可以忍受它，但我想我错过了什么。

在上面的示例中，我想用短划线交换“丁目”并删除尾随的“番地”，以便地址如下：

埼玉県川口市金山町12-1-104

Answer 1

您在角色类（|）中使用[....]。它将匹配那里列出的任何字符;这不是你想要的。

指定没有字符类的模式。 （也没有"）

>>> import re
>>> add = u"埼玉県川口市金山町１２丁目１－１０４番地"
>>> test = re.search(ur'番地|丁目', add)
>>> test.group(0)
u'\u4e01\u76ee'
>>> print test.group(0)
丁目

要获得所需内容，请使用str.replace（unicode.repalce）和re.sub。

>>> print re.sub(u'番地$', u'', add.replace(u'丁目', u'－'))
埼玉県川口市金山町１２－１－１０４

$仅用于匹配字符串的末尾。如果番地$的位置无关紧要，则不需要正则表达式。 str.replace就够了：

>>> print re.sub(u'番地$', u'', add.replace(u'丁目', u'－'))
埼玉県川口市金山町１２－１－１０４