如何在Python中使用正则表达式搜索奇怪的非ASCII字符？
我正在使用以下的正则表达式，主要是为了查找并删除这些字符。
invalid_unicode = re.compile(ur'(Û|²|°|±|É|¹|Í)')
我的源代码是用ASCII编码的，每当我尝试运行这个脚本时，它就会报错：
语法错误：文件 ./release.py 第 273 行有非 ASCII 字符 '\xdb'，但没有声明编码；详情请见 http://www.python.org/peps/pep-0263.html
如果我按照网站上的说明，在第二行加上 utf-8 的编码，我的脚本就无法运行了。相反，它给我这个错误：
语法错误：（unicode 错误）'utf8' 编解码器无法解码位置 0 的字节 0xdb：数据意外结束
我该如何在一个用 ASCII 编写的脚本中运行这个正则表达式呢？这将会很棒。
3 个回答
0
\x{c0de}
在正则表达式中，可以匹配代码点为 c0de 的Unicode字符。
Python使用的是PCRE，对吧？（如果不是的话，可能是 \uC0DE 这种形式...）
1
在告诉Python你的源文件是用UTF-8编码后，你有没有确认过你的编辑器是用UTF-8编码来保存这个文件的呢？你遇到的错误说明你的编辑器可能没有使用UTF-8编码。
你在用什么文本编辑器呢？
3
你需要弄清楚你的编辑器使用的是什么编码，然后按照PEP263的要求进行设置；或者，为了让代码更稳定和可移植（虽然可能会稍微难读一些），你可以在字符串中使用转义序列，也就是说，可以用 u'(\xdb|\xb2|\xb0|\xb1|\xc9|\xb9|\xcd)' 作为 re.compile 函数的参数。