正则表达式和Unicode
我有一个正则表达式，用来提取姓氏：
姓氏=r'(？u).+(\w+)'
但是，当我将它应用于此Unicode字符串时，我只得到前3
姓氏字母：
名称='Anton\xc3\xadn Dvo\xc5\x99\xc3\xa1k'
SURNAME_RE=重新编译(SURNAME)
M=surname_re.earch(姓名)
M.Groups()
('DVO\xc5'，)
我想可能是编码有问题，但我不理解Unicode
好到足以知道如何正确地消化
那个姓氏。
--
杰弗里·巴里什
# 回答1
杰弗里·巴里什写道：
这是一个字节字符串。您可以修改文本
名称=u'Anton\xedn Dvo\u0159\xe1k'
或使用适当的编码进行解码
名称='Anton\xc3\xadn Dvo\xc5\x99\xc3\xa1k'
Name=name.decode("utf-8")
(U'Dvo\u0159\xe1k'，)
DVOák
彼得
杰弗里·巴里什写道：
这是一个字节字符串。您可以修改文本
名称=u'Anton\xedn Dvo\u0159\xe1k'
或使用适当的编码进行解码
名称='Anton\xc3\xadn Dvo\xc5\x99\xc3\xa1k'
Name=name.decode("utf-8")
(U'Dvo\u0159\xe1k'，)
DVOák
彼得