匹配所有utf-8/unicode小写字母形式的正确正则表达式是什么

Question

我想要匹配拉丁字母区的所有小写字母。简单的'[a-z]'只匹配从U+0061到U+007A之间的字符，而不是所有其他的小写形式。

我希望能够匹配所有的小写字母，尤其是EFIGS语言中使用的所有带重音的小写字母。

[a-zà-ý]是一个开始，但还有很多其他的小写字符（可以查看http://www.unicode.org/charts/PDF/U0000.pdf）。有没有推荐的方法来做到这一点？

顺便说一下，我在使用Python，但我觉得这个问题在其他编程语言中也适用。

Python内置的"islower()"方法似乎可以正确检查：

lower = ''
for c in xrange(0,2**16): 
  if unichr(c).islower(): 
    lower += unichr(c)

print lower 

Answer 1

你可以看看这个网站 regular-expressions.info。

不过，按照我所知道的，没有一个字符类别或者修饰符可以单独表示“只有小写字母”（而且并不是所有语言都有小写字母），所以我觉得你可能需要使用多个范围（几乎可能和unicode块的数量一样多）。

编辑：再多读了一些，似乎有一种方法：[\p{Ll}\p{Lo}]，这表示小写字母和没有大小写变体的字符（比如中文字符）。

正则表达式 [\p{Ll}\p{Lo}]+ 可以匹配测试字符串 àÀhelloHello你好Прывітанне，用 x 替换匹配的部分后，结果是 xÀxHxПx，而用 [\p{Ll}]+ 替换匹配的部分后，结果是 xÀxHx你好Пx（注意到中文字符没有被匹配到）。

Answer 2

看起来这个在2005年发布的这个方法，

import sys, re

uppers = [u'['] 
for i in xrange(sys.maxunicode): 
  c = unichr(i) 
  if c.isupper(): uppers.append(c) 
uppers.append(u']') 
uppers = u"".join(uppers) 
uppers_re = re.compile(uppers) 

print uppers_re.match('A')

现在仍然适用。

Answer 3

目前，Python 的正则表达式不支持 Unicode 属性。如果你想了解更多，可以查看 这个回答，里面有一个链接到 Ponyguruma 库，这个库是支持 Unicode 属性的。

使用这样的库，你可以用 \p{Ll} 来匹配 Unicode 字符串中的任何小写字母。

在 Unicode 标准中，每个字符都属于一个特定的类别。\p{Ll} 是小写字母的类别，而 \p{L} 则包含所有属于“字母”类别的字符（包括大写字母、小写字母、标题字母、修饰字母和其他字母）。想了解更多，可以查看 Unicode 标准 的字符属性章节。或者可以访问 这个页面，那里对正则表达式中使用 Unicode 的解释很不错。