在字符串中只保留字母字符（多语言）

Question

关于stackoverflow，有很多关于如何只保留字符串中的字母字符的答案，最常见的是著名的regex '[^a-zA-Z]'。但这个答案是完全错误的，因为它假设每个人都只写英语。。。我原以为我可以否决所有这些答案，但最后我认为再问这个问题会更有建设性，因为我找不到答案。在

在python中，有没有一种简单（或不……）的方法来只保留适用于所有语言的字符串中的字母字符？我想也许有一个库可以像javascript中的xregexp。。。我指的是英语，也包括法语、俄语、汉语、希腊语等等

Answer 1

[^\W\d\u]

对于Python3或Python2中的re.UNICODE标志，可以使用[^\W\d_]。在

\W : If UNICODE is set, this will match anything other than [0-9_] plus characters classified as not alphanumeric in the Unicode character properties database.

所以[^\W\d_]是不是字母数字、数字或下划线的任何东西。换句话说，它是任何字母字符。：）

>>> import re
>>> re.findall("[^\W\d_]", "jüste Ä tösté 1234 ßÜ א д", re.UNICODE)
['j', 'ü', 's', 't', 'e', 'Ä', 't', 'ö', 's', 't', 'é', 'ß', 'Ü', 'א', 'д']

先删除数字，然后查找“\w”

为了避免这种复杂的逻辑，您还可以先删除数字和下划线，然后查找字母数字字符：

^{pr2}$

正则表达式模块

似乎^{}模块可能会有所帮助，因为它理解\p{L}或{}。在

This regex implementation is backwards-compatible with the standard ‘re’ module, but offers additional functionality.

>>> import regex as re
>>> re.findall("\p{L}", "jüste Ä tösté 1234 ßÜ א д", re.UNICODE)
['j', 'ü', 's', 't', 'e', 'Ä', 't', 'ö', 's', 't', 'é', 'ß', 'Ü', 'א', 'д']

（用Pythonpython3.6测试）