如何使用Python正则表达式忽略大小写而不是变音符号？

Question

我正在使用一组必须在目标文本中匹配的正则表达式模式。

我有问题的正则表达式是这样的：

(İg)[[:punct:][:space:]]+[[:alnum:]]+

最初，我注意到Python的

re

包不支持像

[:punct:]

这样的字符类。然后我发现使用

regex

库（而不是

re

），实际上会支持这些表单。

现在的问题是，使用

re

和

regex

时，启用

IGNORECASE

似乎也忽略了变音符号（我想考虑）。例如：

#import re
import regex as re

active_patterns = ["(İg)[[:punct:][:space:]]+[[:alnum:]]+"]
text = "A big problem"

for pattern in active_patterns:
    compiled_pattern = re.compile(pattern, re.IGNORECASE)
    for match in compiled_pattern.finditer(text):
        print(match)

在这段代码中，我想忽略大小写，但不想忽略变音符号。然而，当启用

regex

时，

IGNORECASE

库似乎会忽略变音符号。事实上，这个片段将打印“ig Problem”。如果我删除不支持的部分，

re

库也会发生相同的行为，因此使用正则表达式

(İg)

。在这种情况下，它只会打印

ig

。

Python 有没有办法让正则表达式忽略大小写但保持变音符号完整？

Answer 1

re

的文档指出：

re.I

re.IGNORECASE

执行不区分大小写的匹配；像 [A-Z] 这样的表达式也会匹配小写字母。除非使用

ASCII

标志来禁用非 ASCII 匹配，否则完整的 Unicode 匹配（例如 Ü 匹配 ü）也可以工作。当前区域设置不会更改此标志的效果，除非还使用了

LOCALE

标志。

如果我复制粘贴您的图案，这就是我得到的：

import re

re1 = re.compile("İg", re.IGNORECASE)
print("-- with IGNORECASE:")
print("  ", re1.match("ig"))   # <re.Match object ...

re2 = re.compile("İg", re.IGNORECASE|re.ASCII)
print("-- with IGNORECASE|ASCII:")
print("  ", re2.match("ig"))   # None