Python正则表达式：带有re.ASCII的模式仍然可以匹配unicode字符吗？

Question

我是Python正则表达式的新手，正在尝试匹配Python中的非空白ASCII字符

以下是我的代码：

impore re

p = re.compile(r"[\S]{2,3}", re.ASCII)

p.search('1234')  # have some result

p.search('你好吗') # also have result, but Why?

我已经在re.compile中指定了ASCII模式，但是p.search('你好吗')仍然有结果。我想知道我做错了什么

Answer 1

re.A标志只影响速记字符类匹配的内容

在Python3.x中，shorthand character classes支持Unicode，默认情况下，Python 2.x ^{}/^{}处于启用状态。这意味着：

• \d：匹配任何Unicode十进制数字（即Unicode字符类别中的任何字符[Nd]）
• \D：匹配任何非十进制数字的字符（因此，除了^{} Unicode category中的字符以外的所有字符）
• \w-匹配Unicode单词字符；这包括任何语言中可以作为单词一部分的大多数字符，以及数字和下划线（因此，\w+匹配My name is Виктор字符串中的每个单词）
• \W-匹配任何非单词字符的字符。这与\w相反（因此，它将不匹配任何Unicode字母或数字。）
• \s-匹配Unicode空格字符（它将匹配NEL、硬空格等）
• \S-匹配任何非空白字符的字符（因此，与NEL、硬空间等不匹配）
• \b-单词边界匹配Unicode字母/数字和非字母/数字之间的位置或字符串的开始/结束
• \B-非单词边界匹配两个Unicode字母/数字、两个非字母/数字之间的位置，或Unicode非字母/数字和字符串的开始/结束之间的位置

如果要禁用此行为，请使用re.A或re.ASCII：

Make \w, \W, \b, \B, \d, \D, \s and \S perform ASCII-only matching instead of full Unicode matching. This is only meaningful for Unicode patterns, and is ignored for byte patterns. Corresponds to the inline flag (?a).

这意味着：

• \d=[0-9]-不再匹配印地语、孟加拉语等数字
• \D=[^0-9]-并匹配ASCII数字以外的任何字符（即，它现在充当(?u)(?![0-9])\d）
• \w=[A-Za-z0-9_]-现在它只匹配ASCII字，Wiktor与\w+匹配，但Виктор不匹配
• \W=[^A-Za-z0-9_]-它匹配除ASCII字母/数字以外的任何字符/_（即，它匹配你好吗、Виктор等
• \s=[ \t\n\r\f\v]-匹配常规空格、制表符、换行符、回车符、换行符和垂直制表符
• \S=[^ \t\n\r\f\v]-匹配空格、制表符、换行符、回车符、换行符和垂直制表符以外的任何字符，因此它匹配所有Unicode字母、数字、标点符号和Unicode（非ASCII）空格。例如，re.sub(r'\S+', r'{\g<0>}', '\xA0 ', flags=re.A)将返回'{ } '，如您所见，\S现在匹配硬空格