Python und regulärer Ausdruck mit Unicode

Ich muss einige Unicode-Symbole aus der Zeichenfolge 'بِسْمِ اللَّهِ الرَّحْمَٰنِ الرَّحِيمِ' löschen.

Ich weiß, dass sie hier sicher existieren. Ich habe es versucht:

re.sub('([\u064B-\u0652\u06D4\u0670\u0674\u06D5-\u06ED]+)', '', 'بِسْمِ اللَّهِ الرَّحْمَٰنِ الرَّحِيمِ')

aber es funktioniert nicht. String bleibt gleich. Was mache ich falsch?

Verwenden Sie Python 2.x oder 3.0?

Wenn Sie 2.x verwenden, versuchen Sie, die Regex-Zeichenfolge mit 'u' zu einer Unicode-Escape-Zeichenfolge zu machen. Da es sich um Regex handelt, empfiehlt es sich, Ihre Regex-Zeichenfolge mit 'r' zu einer Rohzeichenfolge zu machen. Außerdem ist es überflüssig, Ihr gesamtes Muster in Klammern zu setzen.

re.sub(ur'[\u064B-\u0652\u06D4\u0670\u0674\u06D5-\u06ED]+', '', ...)

http://docs.python.org/tutorial/introduction.html#unicode-strings

Bearbeiten:

Es wird auch empfohlen, das Flag re.UNICODE / re.U / (? U) für Unicode-Regexe zu verwenden. Es betrifft jedoch nur Zeichenklassen-Aliase wie \ w oder \ b, von denen dieses Muster keine verwendet und dies auch nicht tun würde betroffen sein von.

Verwenden Sie Unicode- Zeichenfolgen. Verwenden Sie das Flag re.UNICODE .

>>> myre = re.compile(ur'[\u064B-\u0652\u06D4\u0670\u0674\u06D5-\u06ED]+', 
                      re.UNICODE)
>>> myre
<_sre.SRE_Pattern object at 0xb20b378>
>>> mystr = u'بِسْمِ اللَّهِ الرَّحْمَٰنِ الرَّحِيمِ'
>>> result = myre.sub('', mystr)
>>> len(mystr), len(result)
(38, 22)
>>> print result
بسم الله الرحمن الرحيم

Lesen Sie den Artikel von Joel Spolsky mit dem Titel " Das absolute Minimum". Jeder Softwareentwickler muss unbedingt über Unicode und Zeichensätze Bescheid wissen (keine Ausreden!).