python - 在Python中转义正则表达式unicode字符串

我有一个用户定义的字符串。
我想在正则表达式中使用它并进行一些改进：用三个撇号而不是一个搜索。
例如，

APOSTROPHES = re.escape('\'\u2019\u02bc')
word = re.escape("п'ять")
word = ''.join([s if s not in APOSTROPHES else '[%s]' % APOSTROPHES for s in word])

它适用于拉丁语，但对于Unicode列表理解，它给出以下字符串：
"[\\'\\\\u2019\\\\u02bc]\xd0[\\'\\\\u2019\\\\u02bc]\xbf[\\'\\\\u2019\\\\u02bc][\\'\\\\u2019\\\\u02bc][\\'\\\\u2019\\\\u02bc]\xd1[\\'\\\\u2019\\\\u02bc]\x8f[\\'\\\\u2019\\\\u02bc]\xd1[\\'\\\\u2019\\\\u02bc]\x82[\\'\\\\u2019\\\\u02bc]\xd1[\\'\\\\u2019\\\\u02bc]\x8c"

看起来它在两个字符串中都找到了反斜杠，然后替换了撇号

同样，print(list(w for w in APOSTROPHES))给出['\\', "'", '\\', '\\', 'u', '2', '0', '1', '9', '\\', '\\', 'u', '0', '2', 'b', 'c']。

如何避免呢？我想得到"\п[\'\u2019\u02bc]\я\т\ь"

最佳答案

我的理解是：您想创建一个可以将给定单词与任何撇号匹配的正则表达式：

可以在组中定义与任何撇号匹配的RegEx：

APOSTROPHES_REGEX = r'[\'\u2019\u02bc]'

例如，您有一个（乌克兰语？）单词，其中包含一个单引号：

word = "п'ять"

编辑：如果您的单词包含另一种撇号，则可以将其标准化，如下所示：

word = re.sub(APOSTROPHES_REGEX , r"\'", word, flags=re.UNICODE)

要创建RegEx，请转义该字符串（因为在某些情况下，它可能包含标点符号等特殊字符）。转义时，单引号“'”被转义的单引号替换，例如：r“ \'”。

您可以用撇号RegEx代替此r“ \'”：

import re
word_regex = re.escape(word)
word_regex = word_regex.replace(r'\'', APOSTROPHES_REGEX)

然后可以使用新的RegEx将相同的单词与任何撇号进行匹配：

assert re.match(word_regex, "п'ять")  # '
assert re.match(word_regex, "п’ять")  # \u2019
assert re.match(word_regex, "пʼять")  # \u02bc

注意：请不要忘记使用re.UNICODE标志，它将对某些RegEx字符类（如r“ \ w”）有所帮助。