Python Regex UTF-8语法错误

Question

我一直在努力清理一些短信。但被困在regex上，终于和re.sub混在了一起。但最终导致语法错误。原始守则：

名称清除测试

import re

input = u'CHEZ MADU 東久留米店（シェマディ）【東京都東久留米市】'

pattern = re.compile(ur'(【(.*?)\】)', re.UNICODE)\

print(re.sub(input, pattern, ''))

给了我这个错误：

  File "retest01.py", line 6
    pattern = re.compile(ur'(【(.*?)\】)', re.UNICODE)\
                                      ^
SyntaxError: invalid syntax

我一直在测试另一个regex线程的代码：带有utf8问题的python正则表达式

它也犯了同样的错误。这里问题的根源是什么？

Answer 1

如果不使用原始字符串表示法，对我来说很好。此外，我认为您没有正确地使用re.sub：

re.sub(pattern, repl, string, count=0, flags=0)

这并没有给我带来什么错误：

import re
input = u'CHEZ MADU 東久留米店（シェマディ）【東京都東久留米市】'
pattern = re.compile(u'(【(.*?)\】)', re.UNICODE)
print(re.sub(pattern, '', input))

这适用于python 2和3，但您不需要在3上使用unicode说明符。

Answer 2

自Python3.3以来，ur'....'语法是无效的(参见http://bugs.python.org/issue15096 )

语法错误，令人惊讶的是，在字符串的末尾.

>>> ru'my string'
  File "<stdin>", line 1
    ru'my string'
                ^
SyntaxError: invalid syntax

因此，在Python 3中，您可以使用以下任何一种：

• 'my string'或u'mystring'，意思相同(为了与Python2代码兼容，在Python3.3中重新引入了后者，参见佩普414 )
• 或r'my string with \backslashes'表示“原始”字符串。