Python3regex与diacritics和连接线

Question

名字在形式:凯撒，朱利叶斯将分裂为First_name朱利叶斯姓凯撒。

名称可能包含diacritics (áàé..)和连接体( ligatures (aáàé))。

在Python3.3中，这段代码似乎运行良好。

import re

def doesmatch(pat, str):  
    try: 
        yup = re.search(pat, str)
        print('Firstname {0} lastname {1}'.format(yup.group(2), yup.group(1)))
    except AttributeError:
        print('no match for {0}'.format(str))

s = 'Révèrberë, Harry'
t = 'Åapö, Renée'
u = 'C3po, Robby'
v = 'Mærsk, Efraïm'
w = 'MacDønald, Ron'
x = 'Sträßle, Mpopo'

pat = r'^([^\d\s]+), ([^\d\s]+)'
# matches any letter, diacritic or ligature, but not digits or punctuation inside the () 

for i in s, t, u, v, w, x:
    doesmatch(pat, i)

除了你的匹配。(名字中的数字不匹配)，但我不知道是否有比非数字的非空间方法更好的方法。不过，更重要的是:我想要改进这个模式，这样它可以从小写字母中提取大写字母，但包括大写字母和连接体，最好也使用regex。似乎( As +)将匹配重音字符和组合字符。

这个是可能的吗？

(到目前为止，我看到的是：Dive into python 3 on UTF-8 vs Unicode；Unicode上的这个Regex tutorial (我没有使用)；我认为我不需要new regex，但我承认我还没有看过它的所有文档)

Answer 1

如果要使用标准库的re模块区分大写字母和小写字母，那么恐怕必须手动构建所有相关Unicode代码点的字符类。

如果您真的不需要这样做，请使用

[^\W\d_]

以匹配任何Unicode字母。此字符类匹配任何“非字母数字字符”(与“字母数字字符”相同)也不是数字或下划线的字符。