Skip to main content
 首页 » 编程设计

python之Regex 子函数不适用于 unicode 字符串

2024年11月01日23zdz8207

我正在尝试使用 Python 的 sub 函数,但在使用它时遇到了问题。从我一直在进行的故障排除来看,我认为它与字符串中的 unicode 字符有关。

# -*- coding: utf-8 -*- 
reload(sys) 
sys.setdefaultencoding('utf-8') 
import re 
 
someFunction(string): 
    string = string.decode('utf-8') 
    match = re.search(ur'éé', string) 
if match: 
    print >> sys.stderr, "It was found" 
else: 
    print >> sys.stderr, "It was NOT found" 
 
    if isinstance(string, str): 
    print >> sys.stderr, 'string is a string object' 
elif isinstance(string, unicode): 
    print >> sys.stderr, 'string is a unicode object' 
 
    new_string = re.sub(ur'éé', ur'é:', string) 
    return new_string 
 
stringNew = 'éégktha' 
returnedString = someFunction(stringNew) 
print >> sys.stderr, "After printing it: " + returnedString 
 
#At this point in the code string = 'éégktha' 
returnString = someFunction(string) 
print >> sys.stderr, "After printing it: " + returnedString 

所以我想要 'é:gktha'。以下是我运行此代码时打印到错误日志中的内容。

It was found 
string is a unicode object 
é:gktha 
It was NOT found 
string is a unicode object 
éégktha 

所以我认为它一定是传递到我的函数中的带有字符串的东西。当我将 is 声明为 unicode 字符串或字符串文字,然后对其进行解码时,就找到了模式。但是在传入的字符串中找不到模式。我在想我的 string = string.decode('utf-8') 语句会转换任何传递给函数的字符串,然后会工作。

我尝试在 python 解释器中执行此操作以解决此问题,当我将字符串声明为 unicode 字符串时它起作用了。

string = u'éégktha' 

因此,为了模拟函数,我声明了字符串,然后将其“解码”为然后尝试了我的正则表达式语句,它成功了。

string = 'éégktha' 
newString = string.decode('utf8') 
string = re.sub(ur'éé', ur'é:', newString) 
print string #é:gktha 

此 Web 应用程序可处理大量 Unicode 字符。这是 Python 2.5,我在使用 unicode 字符时总是遇到困难。非常感谢任何帮助和知识。

请您参考如下方法:

您应该打印 someFunction 返回的内容。

>>> string = 'éégktha' 
>>> def someFunction(string): 
...     #string = 'éégktha' 
...     string = string.decode('utf8') 
...     new_string = re.sub(ur'éé', ur'é:', string) 
...     return new_string 
 
>>> import re 
>>> someFunction(string) 
u'\xe9:gktha' 
>>> print someFunction(string) 
é:gktha 

您的功能很好。在模拟中,您正在 printing 打印 __str__ 返回的内容,而当您 return 时,解释器打印 返回的内容new_string/newString 的 __repr__。