Python正则表达式匹配Unicode属性

Question

Perl和一些其他的正则表达式引擎支持Unicode属性，比如可以在正则表达式中使用类别。例如，在Perl中，你可以用\p{Ll}来匹配任意一个小写字母，或者用\p{Zs}来匹配任何空格分隔符。不过，我在Python的2.x和3.x版本中没有看到对这个功能的支持（对此我感到很遗憾）。有没有人知道有什么好的方法可以实现类似的效果？自己想出来的解决方案也欢迎。

Answer 1

你可以逐个字符地费力地使用unicodedata模块：

import unicodedata

def strip_accents(x):
    return u''.join(c for c in unicodedata.normalize('NFD', x) if unicodedata.category(c) != 'Mn')

Answer 2

regex模块（这是一个可以替代标准的re模块的工具）支持使用\p{}这种写法来处理Unicode字符的属性。

Answer 3

你有没有试过Ponyguruma，这是一个把Python和Oniguruma正则表达式引擎连接起来的工具？在这个引擎里，你可以简单地用\p{Armenian}来匹配亚美尼亚字符。\p{Ll}或者\p{Zs}也可以使用。