为什么芬德尔先生会这样？（python正则表达式）

Question

我在pyhton做了一个小程序，在一个音乐网站上搜索并收集音乐数据。音乐的格式为[artist] - [music name] [music file format]。起初，我使用re.search查找某位艺术家（我使用regex是因为上面的音乐信息中还有一些其他字符和不规则的地方，查找艺术家的唯一指标是跟随艺术家的-）

不知怎的，它不起作用了，所以我把它改成了re.findall，以防万一，但它仍然不起作用。因为我是python的初学者，所以我认为我出了什么问题，所以我编写了一些测试代码来研究出了什么问题。这就是我得到的

当我更改x字符串（这将是音乐信息）并再次运行re.findall时，它给了我一个不同的结果（无）。我100%认为结果会是一样的。为什么会这样？这可能是我的原始代码re.serach，re.findall不起作用的原因吗

我已经包括了代码以防万一。（用过的硒）

idx = 1
while True:
        try:
            hxp1 = "(//h3[@class='entry-title td-module-title']/a)[" + str(idx) + "]" 

            text = WebDriverWait(driver, 10).until(
                EC.presence_of_element_located((By.XPATH, hxp1)))

            # info = eg) 'Michael Jackson - Beat it [FLAC, MP3, WAV]'
            info = text.get_attribute('title') # get 'info' as string
            
            # ARTIST = eg) 'Michael Jackson'
            regex = ARTIST + ' - '
            match = re.findall(regex, info) # or use re.search
            
            # do something with 'match'...

            idx += 1

        except:
            # do something...
            break

Answer 1

看来你需要确保你匹配

• 任何Unicode空格（即Python 3.x中的\s，或Python 2.x中的(?u)\s，请参见^{} documentation：“匹配Unicode空格字符（包括[ \t\n\r\f\v]，以及许多其他字符，例如许多语言的排版规则强制使用的不间断空格）。”
• 任何Unicode连字符（请参见Searching for all Unicode variation of hyphens in Python）

将所有这些合并到您的正则表达式中：

Minami\s[\u002D\u058A\u05BE\u1400\u1806\u2010-\u2015\u2E17\u2E1A\u2E3A\u2E3B\u2E40\u301C\u3030\u30A0\uFE31\uFE32\uFE58\uFE63\uFF0D]\s

在您的情况下，如果您只需要支持en-dash/em-dash/hyhen字符和任何Unicode空白字符，您可以使用

Minami\s[-—–]\s