在非字母数字字符和字母数字字符之间插入空格，特定字符除外（Python）

Question

有没有机会排除一些unicode（非字母数字）的考虑范围？ 我正在标记包含变音符号的阿拉伯单词，这被认为是非字母数字字符，但我不想删除它们，我需要在非字母数字字符（除了音调符号）和字母数字字符之间有一个空格。。这是用正则表达式？我要排除的代表音调符号的unicode如下：u'\u064b'，u'\u064c'，u'\u064d'，u'\u064e'，u'\u064f'，u'\u0650'，u'\u0651'，u'\u0652'

有可能吗？在

非常感谢

Answer 1

只需为您的目的构建一个自定义的字母数字模式：

accents = [u'\u064b', u'\u064c', u'\u064d', u'\u064e', u'\u064f', u'\u0650', u'\u0651', u'\u0652']
alnum = r'([\w%s]+)' % re.escape(''.join(accents))
pattern = re.compile(alnum, re.UNICODE)

要查找所有令牌：

^{pr2}$

现在在令牌和其他令牌之间留出一个空格：

>>> ' '.join(filter(None, pattern.split(test_str)))
'... fooًٌٍَُِّْ ... bar'
>>> len(_.split())
4