Python正则表达式希腊字符[重复]

Posted 2023-03-05

【中文标题】Python正则表达式希腊字符[重复]

【英文标题】：Python regex greek characters [duplicate]

【发布时间】：2020-10-16 22:30:33

【问题描述】：

我有一些具有这种结构的字符串：<name> (<unit>)。我想提取name和unit；为了执行这个任务，我使用regex，在大多数情况下都很好。 但是，在某些情况下，<unit> 由希腊字符组成，例如 Ω。在这些情况下，我的代码无法提取所需的两个部分。 这是我的代码：

import re

def name_unit_split(text):
    name = re.split(' \([A-Za-z]*\)', text)[0]
    unit = re.findall('\([A-Za-z]*\)', text)

    if unit != []:
        unit = unit[0][1:-1]
    else:
        unit = ''

    return name, unit

print(name_unit_split('distance (mm)'))

我得到：

('distance', 'mm')

但是当我尝试：

print(name_unit_split('resistance (Ω)'))

我明白了：

('resistance (Ω)', '')

我搜索了其他正则表达式占位符并尝试使用这些，但没有成功：

name = re.split(' \([\pGreek]*\)', text)[0]
unit = re.findall('\([\pGreek]*\)', text)

如何使用regex在字符串中查找希腊字符（一个或多个，分组）？ 此外，有没有更好的方法来使用regex 执行上述任务？我的意思是：有一种方法可以同时提取<name> 和<unit> 并将它们保存在name 和unit 和regex 中？

【参考方案1】：

就像拉丁字母一样，希腊字母在 utf-8 编码中占据连续的空间，因此您可以使用 \([α-ωΑ-Ω]*\) 而不是 \([A-Za-z]*\ 来构造您的正则表达式。

我个人更喜欢使用像"[A-Za-z]* \([α-ωΑ-Ω]*\)" 这样的正则表达式来检查模式是否成立，并使用字符串函数来执行拆分作业。但我相信这取决于您的个人喜好。

【参考方案2】：

结构<name> (<unit>) 的无正则表达式解决方案是str.partition：

>>> name, _, unit = "resistance (Ω)"[:-1].partition(" (")
>>> name
'resistance'
>>> unit
'Ω'