स्ट्रिंग

Question

पर केवल वर्णमाला वर्ण (बहुभाषी) रखें, स्टैक ओवरफ्लो पर केवल स्ट्रिंग से वर्णमाला वर्णों को रखने के बारे में बहुत सारे उत्तर हैं, सबसे आम स्वीकार्य प्रसिद्ध रेगेक्स '[^a-zA-Z]' है। लेकिन यह जवाब पूरी तरह से गलत है क्योंकि ऐसा लगता है कि हर कोई केवल अंग्रेजी लिखता है ... मैंने सोचा कि मैं इन सभी उत्तरों को वोट दे सकता हूं लेकिन मुझे अंत में सोचा कि सवाल फिर से पूछने के लिए और अधिक रचनात्मक होगा, क्योंकि मुझे जवाब नहीं मिल रहा है।

क्या अजगर में केवल वर्णमाला वर्ण रखने के लिए पाइथन में एक आसान (या नहीं ...) तरीका है जो सभी भाषाओं के लिए काम करता है? मैं एक पुस्तकालय है कि जावास्क्रिप्ट में xregexp ... की तरह कर सकता है सभी भाषाओं तक के बारे में शायद लगता है कि मैं अंग्रेज़ी लेकिन यह भी फ्रेंच, रूसी, चीनी मतलब है, greec ... आदि

Answer 1

[^ \ डब्ल्यू \ d_]

पायथन 3 या re.UNICODE पायथन 2 में ध्वज के साथ, आप [^\W\d_] का उपयोग कर सकते हैं।

\ डब्ल्यू: यूनिकोड सेट है, तो यह [0-9_] प्लस वर्ण यूनिकोड वर्ण गुण डेटाबेस में अक्षरांकीय नहीं के रूप में वर्गीकृत के अलावा और कुछ भरपाई कर देंगे।

तो [^\W\d_] ऐसा कुछ भी है जो अल्फान्यूमेरिक नहीं है या अंक नहीं है या अंडरस्कोर नहीं है। दूसरे शब्दों में, यह कोई वर्णमाला चरित्र है। :)

>>> import re 
>>> re.findall("[^\W\d_]", "jüste Ä tösté 1234 ßÜ א д", re.UNICODE) 
['j', 'ü', 's', 't', 'e', 'Ä', 't', 'ö', 's', 't', 'é', 'ß', 'Ü', 'א', 'д'] 

निकालें अंक पहले, फिर "\ डब्ल्यू"

के लिए देखो इस जटिल तर्क से बचने के लिए, आप भी अंक को दूर कर सकता है और पहली रेखांकित, और फिर अक्षरांकीय वर्णों के लिए देखो:

>>> without_digit = re.sub("[\d_]", "", "jüste Ä tösté 1234 ßÜ א д", re.UNICODE) 
>>> re.findall("\w", without_digit, re.UNICODE) 
['j', 'ü', 's', 't', 'e', 'Ä', 't', 'ö', 's', 't', 'é', 'ß', 'Ü', 'א', 'д'] 

regex मॉड्यूल

ऐसा लगता है कि regex मॉड्यूल में मदद कर सकता है, क्योंकि यह \p{L} यासमझता है 10।

यह रेगेक्स कार्यान्वयन मानक 'पुनः' मॉड्यूल के साथ पीछे-संगत है, लेकिन अतिरिक्त कार्यक्षमता प्रदान करता है।

>>> import regex as re 
>>> re.findall("\p{L}", "jüste Ä tösté 1234 ßÜ א д", re.UNICODE) 
['j', 'ü', 's', 't', 'e', 'Ä', 't', 'ö', 's', 't', 'é', 'ß', 'Ü', 'א', 'д']