带有BackReference正则表达式的Unicode

Question

我在上使用Python2.7，下面是代码片段：

# -*- coding: utf-8 -*-
KEYWORD = u"英語"
URL = u"http://www.google.com/"
content = u"和製英語（わせいえいご）とは、日本で作られた英語風の日本語語彙のことである。"
p=re.compile(u'('+ KEYWORD +u')(?!(([^<>]*?)>)|([^>]*?</a>))',re.UNICODE)
output=p.sub(u'<a href="'+ URL +'">\1</a>',content)

正则表达式和\1的正确工作，但是反向引用不能工作！ \1的输出是这样的：ន

我尝试用encode('utf-8')修改代码，但结果是相同的：

p=re.compile(u'('+ KEYWORD +u')(?!(([^<>]*?)>)|([^>]*?</a>))'.encode('utf-8'),re.UNICODE)
output=p.sub(u'<a href="'+ URL +'">\1</a>'.encode('utf-8'),content.encode('utf-8'))

有人能告诉我怎么回事吗？

Answer 1

在\1字符串之前添加一个r，将其转换为原始字符串：

output=p.sub(u'<a href="'+ URL +r'">\1</a>',content)

这将防止将1解释为反向引用1。

# -*- coding: utf-8 -*-
import re
KEYWORD = u"英語"
URL = u"http://www.google.com/"
content = u"和製英語（わせいえいご）とは、日本で作られた英語風の日本語語彙のことである。"
p=re.compile(u'('+ KEYWORD +u')(?!(([^<>]*?)>)|([^>]*?</a>))',re.UNICODE)
print p.sub(u'<a href="'+ URL +'">\1</a>',content)
print p.sub(u'<a href="'+ URL +r'">\1</a>',content)

版画

和製<a href="http://www.google.com/"></a>（わせいえいご）とは、日本で作られた<a href="http://www.google.com/"></a>風の日本語語彙のことである。
和製<a href="http://www.google.com/">英語</a>（わせいえいご）とは、日本で作られた<a href="http://www.google.com/">英語</a>風の日本語語彙のことである。

只有后者起作用(英語在google链接中)。