corrispondenza solo una lettera unicode in Python ri

Question

Ho uno stringa da cui voglio estrarre 3 gruppi:

'19 janvier 2012' -> '19', 'janvier', '2012' 

nome mese potrebbe contenere caratteri non ASCII, in modo da [A-Za-z] non funziona per me:

>>> import re 
>>> re.search(ur'(\d{,2}) ([A-Za-z]+) (\d{4})', u'20 janvier 2012', re.UNICODE).groups() 
(u'20', u'janvier', u'2012') 
>>> re.search(ur'(\d{,2}) ([A-Za-z]+) (\d{4})', u'20 février 2012', re.UNICODE).groups() 
Traceback (most recent call last): 
    File "<stdin>", line 1, in <module> 
AttributeError: 'NoneType' object has no attribute 'groups' 
>>> 

potevo usare \w ma partite cifre e underscore:

>>> re.search(ur'(\w+)', u'février', re.UNICODE).groups() 
(u'f\xe9vrier',) 
>>> re.search(ur'(\w+)', u'fé_q23vrier', re.UNICODE).groups() 
(u'f\xe9_q23vrier',) 
>>> 

Ho cercato di usare [:alpha:], ma non funziona:

>>> re.search(ur'[:alpha:]+', u'février', re.UNICODE).groups() 
Traceback (most recent call last): 
    File "<stdin>", line 1, in <module> 
AttributeError: 'NoneType' object has no attribute 'groups' 
>>> 

Se potessi in qualche modo corrispondere \w senza [_0-9], ma non so come. E anche se scopro come farlo, c'è una scorciatoia pronta come [:alpha:] che funziona in Python?

Answer 1

si può costruire una nuova classe di caratteri:

[^\W\d_] 

invece di \w. Tradotto in inglese, significa "Qualsiasi carattere che non sia un carattere non alfanumerico ([^\W] è uguale a \w), ma non è nemmeno una cifra e non un trattino basso".

Pertanto, consente solo lettere Unicode (se si utilizza l'opzione di compilazione re.UNICODE).