Python：使用带有重音字符的正则表达式和标记（负向观察）

Question

我需要检测西班牙语中的大写单词，但只有当它们不在一个令牌之前，它才能有unicode字符。 （我在linux中使用Python 2.7.12）。

这项工作正常（非unicode令牌[例如guion：]

>>> import regex
>>> s = u"guion: El computador. Ángel."
>>> p = regex.compile( r'(?<!guion:\s) ( [\p{Lu}] [\p{Ll}]+ \b)' , regex.U | regex.X)
>>> print p.sub( r"**\1**", s)
    guion: El computador. **Ángel**.

但同样的逻辑未能发现重音标记[例如guión：]：

>>> s = u"guión: El computador. Ángel."
>>> p = regex.compile( ur'(?<!guión:\s) ( [\p{Lu}] [\p{Ll}]+ \b)' , regex.U | regex.X)
>>> print p.sub( r"**\1**", s)
guión: **El** computador. **Ángel**.

预期结果将是：

guión: El computador. **Ángel**.

在regex101中代码工作得很好（在'pcr（php）'风格，而不是'python' flavor，因为由于某种原因，第一个似乎给出的结果更类似于命令行正则表达式的结果包中的python）。

是否由于我正在使用的python版本：2.7.12而不是python 3？ 我很可能误解了一些事情。提前感谢任何方向。

经过大量的错误和奇怪的结果，我逐渐意识到：

• regex套餐是最佳选择，而不是re因为更好 unicode支持（例如，提供上层和上层的区别） 小写unicode字符）。

• 必须设置regex.U标志。 （regex.X只是为了清晰起见而允许空格和注释）

• u'' unicode字符串和r''原始字符串可以同时合并：ur''

• \p{Lu}和\p{Ll}分别匹配unicode大写和小写字符。