2.6　在正則表達式中使用Unicode字符

在實際應用中，我們需要使用正則表達式處理Unicode字符。

默認情況下，re模塊已經對一些Unicode字符類有了基本的支持。比如，\\d已經匹配任意的unicode數字字符，相關代碼（re_unicode.py）示例如下：

---

import re
num = re.compile('\d+')
print(num.match('123'))
print(num.match('\u0661\u0662\u0663'))

---

執行py文件，輸出結果如下：

---

<re.Match object; span=(0, 3), match='123'>
<re.Match object; span=(0, 3), match='???'>

---

如果想在模式中包含指定的Unicode字符，可以使用Unicode字符對應的轉義序列（比如\uFFF或者\UFFFFFFF）。下面是一個匹配不同阿拉伯編碼頁面中所有字符的正則表達式，代碼如下：

---

arabic = re.compile('[\u0600-\u06ff\u0750-\u077f\u08a0-\u08ff]+')
print(arabic)

---

當執行匹配和搜索操作的時候，最好先處理所有文本為標準化格式，但也應該注意一些特殊情況，如忽略大小寫匹配和大小寫轉換的行為。

---

pat = re.compile('stra\u00dfe', re.IGNORECASE)
test_str = 'stra?e'
print(pat.match(test_str))
print(pat.match(test_str.upper()))
print(test_str.upper())

---

混合使用Unicode和正則表達式通常沒有那么好處理。如果真這樣做，最好安裝第三方正則表達式庫，它會為Unicode的大小寫轉換和其他特性提供全面的支持，包括模糊匹配。