Соответствует только букве Unicode в Python

Question

У меня есть строка, из которой я хочу извлечь 3 группы:

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

Название месяца может содержать символы не ASCII, поэтому [A-Za-z] у меня не работает

>>> 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'
>>> 

Я мог бы использовать \w но это соответствует цифрам и подчеркиванию:

>>> 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',)
>>> 

Я пытался использовать [: alpha:], но он не работает:

>>> 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'
>>> 

Если бы я мог как-то соответствовать \w без [_0-9], но я не знаю как. И даже если я узнаю, как это сделать, есть ли готовый ярлык, как [:alpha:] который работает в Python?

Answer 1

Вы можете создать новый класс персонажей:

[^\W\d_]

вместо \w, В переводе на английский это означает "Любой символ, который не является буквенно-цифровым символом ([^\W] такой же как \w), но это тоже не цифра и не подчеркивание ".

Поэтому он будет разрешать только буквы Юникода (если вы используете re.UNICODE опция компиляции).