Подтвердить что ты не робот

Согласование только буквы юникода в Python re

У меня есть строка, из которой я хочу извлечь 3 группы:

'19 janvier 2012' -> '19', 'janvier', '2012'

Название месяца может содержать символы не ASCII, поэтому [A-Za-z] не работает для меня:

>>> import re
>>> re.search(ur'(\d{,2}) ([A-Za-z]+) (\d{4})', u'20 janvier 2012', re.UNICODE).groups()
(u'20', u'janvier', u'2012')
>>> re.search(ur'(\d{,2}) ([A-Za-z]+) (\d{4})', u'20 février 2012', re.UNICODE).groups()
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
AttributeError: 'NoneType' object has no attribute 'groups'
>>> 

Я мог бы использовать \w, но он соответствует цифрам и подчеркиванию:

>>> re.search(ur'(\w+)', u'février', re.UNICODE).groups()
(u'f\xe9vrier',)
>>> re.search(ur'(\w+)', u'fé_q23vrier', re.UNICODE).groups()
(u'f\xe9_q23vrier',)
>>> 

Я попытался использовать [: alpha:], но он не работает:

>>> re.search(ur'[:alpha:]+', u'février', re.UNICODE).groups()
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
AttributeError: 'NoneType' object has no attribute 'groups'
>>> 

Если бы я мог как-то совместить \w без [_0-9], но я не знаю, как это сделать. И даже если я узнаю, как это сделать, есть ли готовый ярлык, например [:alpha:], который работает в Python?

4b9b3361

Ответ 1

Вы можете создать новый класс символов:

[^\W\d_]

вместо \w. В переводе на английский язык это означает "Любой символ, который не является буквенно-цифровым символом ([^\W] совпадает с \w), но это также не цифра, а не символ подчеркивания".

Следовательно, он будет использовать только символы Unicode (если вы используете параметр компиляции re.UNICODE).