scrapy正则表达式无法找到长破折号

Question

我使用scrapy xpath+re从web页面提取数据。字符是unicode（俄语），所有要提取的字符串都包含长破折号（python代码'\u2014'） 问题是我的正则表达式找不到完整的字符串并用长破折号分割它。对我来说真的很不方便。 下面是一些我已经尝试过但没有成功的例子：

response.xpath('some xpath goes here').re(r'[\w\s\\u2014\.,]+')
response.xpath('some xpath goes here').re(r'[\w\s\\u2014\.,]+')
response.xpath('some xpath goes here').re(r'[\w\s\\x2014\.,]+')
response.xpath('some xpath goes here').re(r'[\w\s\\uFFFF\.,]+')
response.xpath('some xpath goes here').re(r'[\w\s\.,—]+')
response.xpath('some xpath goes here').re(r'[\w\s\u(\w){4}\.,]+')
response.xpath('some xpath goes here').re(r'[\w\s(\u(\d)){6}\.,]+')

版本：Python2.7，Scrapy 0.24.6

Answer 1

将模式转换为unicode字符串，不要转义\。在

response.xpath('some xpath goes here').re(ur'[\w\s\u2014\.,]+')

另外，我想您可能希望使用^{}标志，这样\w和{}将匹配所有Unicode单词和空白字符。根据Scrapy文档，^{}不支持标志，但它可以使用已编译的正则表达式，因此yy可以执行以下操作：

^{pr2}$