Question

我有这个简单的正则表达式：

    text = re.sub("[إأٱآا]", "ا", text)

但是，我得到了这个（Python 2.7）错误：

TypeError: expected string or buffer

我是一个正则表达式的新手，我想这是一件很容易解决的问题，但是我是不知道怎么样？感谢。

Answer 1

re.sub期望正则表达式作为第一个参数。你需要逃离模式中的左括号。使用\[代替[

Answer 2

很抱歉，我不能在评论部分中说明这一点。据我所知，re.sub没有任何错误。因为如果你将字符编码回unicode，你会得到以下的逐字。

text = re.sub("[\u0625\u0623\u0671\u0622\u0627]", "\u0627", text)

因为它是阿拉伯语，记住它是从右到左，视觉效果有点混乱。
实际上是尝试用一个字符替换一组字符。
虽然为什么会用\u0627取代\u0627，但我不知道。

我认为问题出在text上。如果您可以执行print(text)，那么我们可以查看其中是否有任何字符属于"[إأٱآا]" == "[\u0625\u0623\u0671\u0622\u0627]"

只是一个quip，\u0627是左边最小的垂直线; - ）

在理解实际使用内容方面没什么帮助（只需在问题中复制整个语句并执行以下操作）

for x in mystr: print(x + '-' + str(ord(x)))

http://www.fileformat.info/info/unicode/char/0627/index.htm

<强> EDITED

>>> re.sub(myset,myrep,text)
u'\u0627\u0627\u0627abc'
>>> res=re.sub(myset,myrep,text)
>>> res
u'\u0627\u0627\u0627abc'
>>> myrep
u'\u0627'
>>> myset
u'[\u0625\u0623\u0671\u0622\u0627]'
>>> text
u'\u0625\u0623\u0623abc'
>>> print(res)
اااabc
>>> print(myrep)
ا
>>> print(myset)
[إأٱآا]
>>> print(text)
إأأabc
>>>

所以在本质上所有作品都很好，错误就是其他地方。

我认为重现了其他地方发生的错误，这里是

>>> print(u'\u0625'+ord(u'\u0625'))
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
TypeError: coercing to Unicode: need string or buffer, int found

干杯！

Answer 3

这就是我最终做到的方式：

sText = re.sub(ur"[\u0625|\u0623|\u0671|\u0622|\u0627]", ur"\u0627", sText)

谢谢大家的帮助。

Answer 4

将所有字符串定义为unicode，并且不要忘记在文件的标题中添加编码行：

#coding: utf-8

import re

text = re.sub(u"[إأٱآا]", u"ا", u"الآلهة")

print text

获得：

الالهة

阿拉伯语正则表达式给出TypeError

4 个答案: