正则表达式python与unicode(日语)字符问题

我想删除下面的一部分字符串(以粗体显示),它存储在字符串oldString中

[DMSM-8433]加护亜依Kago Ai – 加护亜依vs.星期五

我在python中使用以下正则表达式

p=re.compile(ur"( [\W]+) (?=[A-Za-z ]+–)",re.UNICODE)
newString=p.sub("",oldString)

当我输出newString时,没有删除任何内容

您可以使用以下代码段来解决此问题：

#!/usr/bin/python
# -*- coding: utf-8 -*-
import re
str = u'[DMSM-8433] 加護亜依 Kago Ai – 加護亜依 vs. FRIDAY'
regex = u'[\u3000-\u303f\u3040-\u309f\u30a0-\u30ff\uff00-\uff9f\u4e00-\u9faf\u3400-\u4dbf]+ (?=[A-Za-z ]+–)'
p = re.compile(regex,re.U)
match = p.sub("",str)
print match.encode("UTF-8")

见IDEONE demo

除了# – * – 编码：utf-8 – * – 声明,我添加了@nhahtdh’s character class to detect Japanese symbols.

请注意,匹配需要“手动”编码为UTF-8字符串,因为Python 2需要“提醒”我们一直在使用Unicode.