regex python mit Unicode (japanische) Zeichen Ausgabe

Question

ich Teil einer Zeichenkette (in fett) entfernen möchten unten, wird dies in der Zeichenfolge gespeichert oldstring

[DMSM-8433] 加 護 亜 依 Kago Ai - 加 護 亜 依 vs. freitag

im mit dem folgenden regulären Ausdruck in python

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

wenn i Ausgang des Neuerstring keine Ding hat

Answer 1

Sie das folgende Snippet verwenden, um das Problem zu lösen:

#!/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") 

Siehe IDEONE demo

Neben # -*- coding: utf-8 -*- Erklärung, ich habe @nhahtdh's character class to detect Japanese symbols hinzugefügt.

Beachten Sie, dass die match als UTF-8-Zeichenfolge "manuell" codiert werden muss, da Python 2 "erinnert" werden muss, arbeiten wir die ganze Zeit mit Unicode.

Answer 2

entfernt Ich glaube, Sie einen regulären Ausdruck wie diese verwendet werden soll:

([\p{Hiragana}\p{Katakana}\p{Han}]+) 

bitte auch this documentation.

EDIT siehe: Getestet habe ich es auch here.