带有unicode（日语）字符问题的正则表达式python

Question

我想删除下面的部分字符串（以粗体显示），这是存储在字符串 oldString

中

[DMSM-8433] 加护亜依 Kago Ai - 加护亜依vs. FRIDAY

我在python中使用以下正则表达式

p=re.compile(ur"( [\W]+) (?=[A-Za-z ]+–)", re.UNICODE)
newString=p.sub("", oldString)

当我输出 newString 时，没有删除任何内容

Answer 1

您可以使用以下代码段来解决此问题：

# -*- coding: utf-8 -*-

请参阅IDEONE demo

在match声明旁边，我添加了@nhahtdh's character class to detect Japanese symbols。

请注意，myscript.sh logfile 需要“手动”编码为UTF-8字符串，因为Python 2需要“提醒”我们一直在使用Unicode。

Answer 2

我认为你应该使用像这样的正则表达式：

([\p{Hiragana}\p{Katakana}\p{Han}]+)

另请参阅this documentation.

编辑： 我还测试了它here。