Question

在Python中使用Regex时，很容易使用括号来表示一系列字符a-z，但这似乎不适用于其他语言，例如阿拉伯语：

import re
pattern = '[ي-ا]'
p = re.compile(pattern)

这会导致以

结尾的长错误报告

raise error("bad character range")
sre_constants.error: bad character range

如何解决这个问题？

Answer 1

由于阿拉伯字符从右到左呈现，因此下面的正确字符串，从ا到ي＆＃34;向后渲染（如果要确认，请尝试选择字符串）：

'[ا-ي]'

控制台输出：

>>> re.compile('[ا-ي]')
<_sre.SRE_Pattern object at 0x6001f0a80>

>>> re.compile('[ا-ي]', re.DEBUG)
in
  range (1575, 1610)
<_sre.SRE_Pattern object at 0x6001f0440>

所以你的模式'[ي-ا]'实际上是从ي到ا＆＃34;＆＃34;这是一个无效的范围，因为{{1}的代码点}小于ا的代码点。

为防止混淆，Ignacio Vazquez-Abrams建议使用Unicode转义是我上面提供的解决方案的一个很好的替代方案。

Answer 2

改为使用Unicode转义。

>>> re.compile('[\u0627-\u064a]')
<_sre.SRE_Pattern object at 0x237f460>

Answer 3

已批准的答案确实有效，但是 unicode <span> 不包括字母 'ا' 的变体，例如 'أ'、'آ' 或 'إ'，以及带有它的字母 'و'变体'ؤ'。（我想评论/建议编辑已批准的答案，但有一个队列）

因此，如果有人（重新）访问这个问题并需要这些字母变体，那么对我来说效果更好的 unicode 是 [\u0600-\u06FF]，给出答案：

[\u0627-\u064a]

在正则表达式中使用范围表示阿拉伯字母

3 个答案: