正则表达式匹配所有unicode引号

Question

是否有一个简单的正则表达式来匹配所有unicode引号？或者是否必须像这样手动编码：

quotes = ur"[\"'\u2018\u2019\u201c\u201d]"

感谢您的阅读。

布赖恩

Answer 1

Python不支持Unicode属性，因此您无法使用Pi和Pf属性，所以我猜您的解决方案就像它一样好。

您可能还想考虑令人遗憾地使用的“错误引号” - 尖锐的重音（´和``): \ u0060 and \ u00B4`

然后有guillemets（« » ‹ ›），你也想要那些吗？请使用\u00BB\u203A\u00AB\u2039。

此外，您的命令有一个小错误：您正在向quotes字符串添加反斜杠（因为您使用的是原始字符串）。改为使用三引号字符串。

>>> quotes = ur"[\"'\u2018\u2019\u201c\u201d\u0060\u00b4]"
>>> "\\" in quotes
True
>>> quotes
u'[\\"\'\u2018\u2019\u201c\u201d`\xb4]'
>>> quotes = ur"""["'\u2018\u2019\u201c\u201d\u0060\u00b4]"""
>>> "\\" in quotes
False
>>> quotes
u'["\'\u2018\u2019\u201c\u201d`\xb4]'

Answer 2

引号通常包含Unicode类别Pi（标点符号，首字母引用）或Pf（标点符号，最终引用）。您必须手动处理“中性”引号'和"。