无法在regex中使用变量

Question

因此，我有一系列Unicode字符，我希望使用正则表达式匹配：

char_set = '\u0041-\u005A|\u00C0-\u00D6|\u00D8-\u00DE|\u0100|\u0102|\u0104|\u0106|\u0108|\u010A|\u010C|\u010E|\u0110|\u0112|\u0114|\u0116|\u0118|\u011A|\u011C|\u011E|\u0120|\u0122|\u0124|\u0126|\u0128|\u012A|\u012C|\u012E|\u0130|\u0132|\u0134|\u0136|\u0139|\u013B|\u013D|\u013F|\u0141|\u0143|\u0145|\u0147|\u014A|\u014C|\u014E|\u0150|\u0152|\u0154|\u0156|\u0158|\u015A|\u015C|\u015E|\u0160|\u0162|\u0164|\u0166|\u0168|\u016A|\u016C|\u016E|\u0170|\u0172|\u0174|\u0176|\u0178|\u0179|\u017B|\u017D'

（这些都是Unicode范围0-382中理解的大写字符。他们中的大多数都是口音。PEP8不鼓励在Python脚本中使用非ASCII字符，因此我使用Unicode代码而不是字符串文本。）

如果我直接编译那个长字符串，它就可以工作了。例如，这与以其中一个字符开头的所有单词匹配：

^{pr2}$

但是我想在其他几个正则表达式中重新使用相同的字符序列。我可以每次复制粘贴，但那很难看。因此，基于之前对类似问题的回答，我尝试过：

^{cd1>}

不好。不知怎么，上面的表达式似乎匹配任何字符，而不仅仅是在变量“char\u set”下硬编码的字符。

我也试过：

^{cd2>}

这：

^{cd3>}

这也是：

^{cd4>}

没有一个能按预期工作。

有什么想法吗？我做错什么了？

（我使用的是Python 2.7和Mac OS X 10.6）

Answer 1

当您使用方括号中包含一组字符的模式时，您不希望在集中放置任何竖线（|）字符。相反，只要把字符串在一起就可以了。在这节课上，我在去掉|字符后，毫无问题地试用了你的字符：

>>> import re
>>> char_set = u'\u0041-\u005A|\u00C0-\u00D6|\u00D8-\u00DE|\u0100|\u0102|\u0104|\u0106|\u0108|\u010A|\u010C|\u010E|\u0110|\u0112|\u0114|\u0116|\u0118|\u011A|\u011C|\u011E|\u0120|\u0122|\u0124|\u0126|\u0128|\u012A|\u012C|\u012E|\u0130|\u0132|\u0134|\u0136|\u0139|\u013B|\u013D|\u013F|\u0141|\u0143|\u0145|\u0147|\u014A|\u014C|\u014E|\u0150|\u0152|\u0154|\u0156|\u0158|\u015A|\u015C|\u015E|\u0160|\u0162|\u0164|\u0166|\u0168|\u016A|\u016C|\u016E|\u0170|\u0172|\u0174|\u0176|\u0178|\u0179|\u017B|\u017D'
>>> fixed_char_set = char_set.replace("|", "")   # remove the unneeded vertical bars
>>> pattern = ur"\A[{}]".format(fixed_char_set)  # create a pattern string
>>> regex = re.compile(pattern) # compile the pattern into a regex object
>>> print regex.match("%foo")   # "%" is not in the character set, so match returns None
None

编辑：事实上，似乎还存在其他问题，因为我不匹配"%foo"，即使我使用了您的原始字符集而不剥离任何内容。请举例说明不应该匹配的文本！在