Python：使用正则表达式和带重音字符的标记（负lookback）

Question

我需要检测西班牙语中的大写单词，但前提是它们前面没有标记，标记可以包含unicode字符。（我在linux中使用python2.7.12）。你知道吗

正常（非unicode标记[例如guion:]

>>> import regex
>>> s = u"guion: El computador. Ángel."
>>> p = regex.compile( r'(?<!guion:\s) ( [\p{Lu}] [\p{Ll}]+ \b)' , regex.U | regex.X)
>>> print p.sub( r"**\1**", s)
    guion: El computador. **Ángel**.

但是同样的逻辑无法识别重音符号[例如guión:]：

>>> s = u"guión: El computador. Ángel."
>>> p = regex.compile( ur'(?<!guión:\s) ( [\p{Lu}] [\p{Ll}]+ \b)' , regex.U | regex.X)
>>> print p.sub( r"**\1**", s)
guión: **El** computador. **Ángel**.

预期结果将是：

guión: El computador. **Ángel**.

在regex101中，代码工作得很好（在'pcr（php）'风格中，而不是'python' flavor，因为出于某种原因，第一个代码给出的结果似乎更类似于python中的命令行regex包）。你知道吗

这是因为我使用的是python版本：2.7.12而不是python3吗？。 很可能我误解了什么。提前谢谢你的指点。你知道吗

在经历了很多错误和奇怪的结果之后，我逐渐意识到：

• regex包是一个不错的选择，而不是re，因为它有更好的 unicode支持（例如，提供了对大写和小写的区分 小写unicode字符）。

• 必须设置regex.U标志。（regex.X为了清晰起见，只允许空格和注释）

• u''unicode字符串和r''原始字符串可以同时组合：ur''

• \p{Lu}和\p{Ll}分别匹配unicode大小写字符。