博客

在py3的时候，我想匹配字符串中的字母，直接用\w，匹配字符数字和下划线

def reg():
    pattern = re.compile(r'(\w+)')
    text = '*心机B_DI*梗塞I_DI*'
    # pattern = re.compile(r'([A-Z]_[A-Z]+)')
    res = pattern.findall(text)
    print(res)

[‘心机B_DI’, ‘梗塞I_DI’]

结果竟然连中文都被匹配出来了，查了一下，

\w匹配的是能组成单词的字符，在python3 中re默认支持的是unicode字符集，当然也支持汉字。只要加入re.A就可以解决这样问题，当然用注释掉的部分是安全可以匹配出来的。

def reg():
    pattern = re.compile(r'(\w+)', re.A)
    text = '*心机B_DI*梗塞I_DI*'
    # pattern = re.compile(r'([A-Z]_[A-Z]+)')
    res = pattern.findall(text)
    print(res)

[‘B_DI’, ‘I_DI’]   A是ascii码

py2中不会有这样的问题

>>> import re
>>> pattern = re.compile(r'(\w+)')
>>> text = '*心机B_DI*梗塞I_DI*'
>>> res = pattern.findall(text)
>>> print res
['B_DI', 'I_DI']