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

我想匹配拉丁块中的所有小写字母形式。普通的'[a-z]'只匹配U+0061和U+007A之间的字符，而不是所有其他小写形式。

我想匹配所有的小写字母，最重要的是，所有的重音小写字母在拉丁块使用的EFIGS语言。

[a-z&-ý]是一个开始，但仍然有大量其他小写字符（参见http://www.unicode.org/charts/PDF/U0000.pdf）。有推荐的方法吗？

仅供参考，我使用的是Python，但我怀疑这个问题是跨语言的。

Python内置的“islower（）”方法似乎做了正确的检查：

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

print lower 

Answer 1

看起来像是this recipe在旧的2005年发布的

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')

仍然相关。

Answer 2

Python当前不支持正则表达式中的Unicode属性。请参阅this answer以获取指向支持它们的Ponyguruma library的链接。

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

Unicode标准中的每个字符都属于一个类别。\p{Ll}是小写字母的类别，而\p{L}包含一个“字母”类别（字母，大写；字母，小写；字母，标题；字母，修饰语；字母，其他）中的所有字符。有关详细信息，请参阅Unicode Standard的字符属性一章。或者参见this page以获得有关在正则表达式中使用Unicode的良好解释。

Answer 3

你可能想看看regular-expressions.info。

然而，据我所知，没有一个字符类或修饰符只表示“小写字符”（并非每种语言都有小写字符），所以我认为您可能需要使用多个范围（可能几乎与unicode块一样多）。

编辑： 阅读更多关于这方面的内容，可能有一种方法：[\p{Ll}\p{Lo}]，这意味着小写字符带有大写变量，或者没有小写和大写的字符（例如，对于中文字符）。

正则表达式[\p{Ll}\p{Lo}]+匹配测试字符串àÀhelloHello你好Прывітанне，用x替换匹配结果xÀxHxПx，而用[\p{Ll}]+替换匹配结果xÀxHx你好Пx（注意未匹配的中文字符）。