Unicode正则表达式以匹配中文字符的字符类别

Question

^[一二三四五六七]、与一、不匹配

但是^一、和一、匹配。

我指定汉字的字符类的方式是不是错了？

我从一个文件中读取了正则表达式。

Answer 1

对我来说很有效，

>>> import re
>>> re.match(u'^[一二三四五六七]、', u'一、')
<_sre.SRE_Match object; span=(0, 2), match='一、'>
>>> re.match(u'^[一二三四五六七]、', u'一、').group(0)
'一、'

我认为您未能将您的正则表达式定义为unicode字符串。

在python3中，它将是

# -*- coding: utf-8 -*-

import re

with open('file') as f:
    reg = f.read().strip()
    print(re.match(reg, u'一、').group(0))

Answer 2

您需要确保使用正确的编码读取文件：

with open('my-regex-file', encoding='utf-8') as f:
    regex = re.compile(f.read())
with open('my-text-file', encoding='utf-8') as f:
    text = f.read()
if regex.match(text):
    print("It's a match!")