什么＆＃34;（？u）＆＃34;做正则表达式？

Question

我研究了如何在scikit-learn中实现标记化并找到了这个正则表达式（source）：

token_pattern = r"(?u)\b\w\w+\b"

正则表达式非常简单但我以前从未见过(?u)部分。有人可以解释一下这部分是做什么的吗？

Answer 1

它会为此表达式打开re.U (re.UNICODE) flag。

来自module documentation：

  

(?iLmsux)

     

（集'i'，'L'，'m'，'s'，'u'，'x'中的一个或多个字母。）匹配空字符串;这些字母设置了相应的标志：re.I（忽略大小写），re.L（依赖于语言环境），re.M（多行），re.S（点匹配全部），{对于整个正则表达式，{1}}（取决于Unicode）和re.U（详细）。 （标志在模块内容中描述。）如果您希望将标志包含在正则表达式的一部分中，而不是将标志参数传递给re.X函数，这将非常有用。