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)
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")
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.