python regex与unicode匹配城市名称

Question

我有一个unicode格式的城市名称，我想将它与regex匹配，但我还想验证它是字符串时的状态，比如“New York”。 我找了一点，试了一下下面的附件，但不知道怎么做的？在

我在这个网站上尝试了这个regex“（[\u0000-\uFFFF]+）”，它可以工作，但无法在python中运行。在

提前谢谢！！在

city=u"H\u0101na"
mcity=re.search(r"([\u0000-\uFFFFA-Za-z\s]+)", city, re.U)
mcity.group(0)
u'H'

Answer 1

mcity=re.search(r"([\u0000-\uFFFFA-Za-z\s]+)", city, re.U)

与\x不同，\u不是regex语法中的特殊序列，因此您的字符组与字面反斜杠、字母U等匹配。在

要在正则表达式中引用非ASCII，必须将它们作为原始字符包含在Unicode字符串中，例如：

^{pr2}$

（如果您不想让\s双反斜杠，也可以使用ur字符串，其中\u仍然可以作为转义，但其他转义符如\x不起作用。不过，这有点令人困惑。）

这个字符组是多余的：包括U+0000到U+FFFF的范围已经覆盖了A-Za-z\s的所有内容，甚至包括控制字符的整个基本多语言平面。在一个狭窄的Python构建（包括windowspython2构建）中，BMP之外的字符是使用U+D800到U+DFFF范围内的代理项对来表示的，实际上您允许每个字符，所以它不是一个过滤器。（.+是一种更简单的表达方式。）

再说一次，在世界不同的地方，很难表达出一个有效的城镇名称。我很想接受任何去掉了控制字符和前导/尾随空格的非空字符串的东西。在