在Python中使用正则表达式匹配区分大小写的Unicode字符串

Question

假设我想找到一个小写字母后面跟着一个大写字母，我可以这样做：

re.compile(r"[a-z][A-Z]")

现在我想对unicode字符串做同样的事情，也就是匹配像'aÅ'或者'yÜ'这样的组合。

我试过：

re.compile(r"[a-z][A-Z]", re.UNICODE)

但这不管用。

有没有什么线索？

Answer 1

用Python的正则表达式来做这个事情比较困难，因为现在的实现不支持像 \p{Lu} 和 \p{Ll} 这样的Unicode属性快捷方式。

[A-Za-z] 当然只会匹配ASCII字母，不管你是否开启了Unicode选项。

所以在 re 模块更新之前（或者你可以安装正在开发中的 regex 包），你要么得通过编程的方式来处理（遍历字符串，然后对每个字符使用 char.islower() 或 char.isupper()），要么就手动指定所有的Unicode编码点，但这样做可能不太划算……