我有一个文本文件，我的脚本正在阅读并从中获取最常用的文字。但是，在执行此操作的过程中，在清理源文本期间，它无法处理重音字符（在这种情况下，它们是áéíóöőúüű）。
这就是我现在所拥有的。
str = re.sub(r'\W+', ' ', str)
这只是删除重音字符。我尝试添加flags=re.U，但它只是以不同的方式搞砸了结果。我怀疑有一个简单的方法来解决我的问题，我已经找到了，但没有成功，所以我转向你。提前谢谢。
答案 0 :(得分：3)
您需要使用正确的修饰符：
str = re.sub(ur'\W+', u' ', s, flags=re.UNICODE)
^^^^^^^^^^
请参阅Python 2.x docs：
制作
\w，\W，\b，\B，\d，\D，\s和{{1序列依赖于Unicode字符属性数据库。还可以为IGNORECASE启用非ASCII匹配。
这是在线Python 2.7 demo：
\S