此问题适用于Python 3正则表达式。我认为它也可能适用于其他语言。
这个问题很容易被误解，所以我会谨慎地描述它。
作为背景，\w表示“单词字符”。在某些情况下，Python 3会将其视为[a-zA-Z0-9_]，但是如果正则表达式是字符串，则它将支持Unicode，因此\w的意思是“任何Unicode字字符”。通常，这是一件好事，因为人们使用不同的语言，并且很难一次为所有语言构造一个[a-zA-Z0-9_]之类的范围。因此，我认为\w在多语言环境中最有用。
但是有一个问题：如果您不希望对下划线进行匹配，因为您不认为下划线确实是单词字符（对于您的特定应用程序），该怎么办？
如果您只专注于英语应用程序，那么最好的解决方案可能是完全跳过\w并仅使用[a-zA-Z0-9]。但是，如果您专注于全局应用程序，并且不想使用下划线，那么看来您可能处在非常不幸的境地。我还没有做，但是我想写一个可以代表100种语言的范围真的很困难，只是为了避免下划线。
所以我的问题是：有没有办法使用\w来匹配任何Unicode单词字符，但是又以某种方式还从类中排除了下划线（或其他不想要的字符）？我认为我没有看到过类似的描述，但这很有用。类似于[\w^_]。当然，这实际上是行不通的，但是我的意思是“使用以\w表示的所有内容开头的字符类，然后继续从该类中删除下划线。”
有想法吗？
答案 0 :(得分：3)
我有两个选择。
[^\W_]
这非常有效，并且可以完全满足您的要求。这也很简单。
使用regex：[[\w]--[_]]，请注意，您需要设置“ V1”标志，因此需要
r = regex.compile(r"(?V1)[\w--_]")
或
r = regex.compile(r"[\w--_]", flags=regex.V1)
如果您熟悉Matthew Barnett的regex模块，它比Python的股票re更强大，那么这看起来更好（可读性）IMO。