1

私はPython3とreモジュール文字列をパターン「（c、c、c）」を使用して解析しようとしています。ここで、cは（a、b、ë、ɪ̈）から選択される1文字です。私はそのようなものを書きました：

src="(a,b,ɪ̈)"
pattern = "[abëɪ̈]"
for r in re.finditer( '\({0},{0},{0}\)'.format(pattern), src ):
    print( r.group() )

ただし、正規表現はɪ̈では機能しません。Pythonは、ɪ̈を2つの文字（ɪ+ diairesis）、idestɪと発音区別符号で構成されていると分析します。正規表現は「（a、b、ɪ̈）」の読み方を知りません。私はëと同じ問題を抱えていません。Pythonはëを1つの文字として分析し、私の正規表現は「（a、b、ë）」を読み取ることができ、期待される答えを提供します。unicodedata.normalize（'NFD'、...）をsrcとpatternに適用したおかげで、正規化アプローチを使用しようとしましたが、失敗しました。

この問題をどのように解決しますか？私を助けてくれるといいですね！

PS： pythonmのおかげでいくつかのタイプミスを修正しました。

4

1 に答える 1

3

あなたは|それを回避するために使用することができます：

#!/usr/bin/env python3
import re

print(re.findall(r'\({0},{0},{0}\)'.format("(?:[abë]|ɪ̈)"), "(a,b,ɪ̈)"))
# -> ['(a,b,ɪ̈)']

上記はɪ̈2文字として扱われます：

re.compile(r'[abë]|ɪ̈', re.DEBUG)

出力：

branch 
  in 
    literal 97
    literal 98
    literal 235
or
  literal 618 
  literal 776
于 2012-09-04T16:44:36.090 に答える