регулярное выражение (re) для строки на русском языке: найти три буквенно-цифровых символа с последующей точкой

#python #регулярные_выражения #кодировка #unicode #python_27

Python 2.7.6 
проблема с применением re к строке на русском.


задача - найти три буквенно-цифровых символа с последующей точкой;
код: 

#!/usr/bin/python
# -*- coding: utf-8 *-*
import re
new = re.findall("\w{3}\.", "gth. Ср. дек.  7 21:22:29 EET 2016" )
print new

результат >> ['gth.']
вопрос: почему игнорируется 'дек.'?

    

Ответы

Ответ 1

Используйте Unicode-строки и флаг re.UNICODE:

#!/usr/bin/env python2
# -*- coding: utf-8 *-*

import re
pattern = re.compile(ur"\w{3}\.", re.UNICODE)
match = pattern.findall(u"gth. Ср. дек.  7 21:22:29 EET 2016")
print(match)
for i in match:
    print(i)


Результат:

[u'gth.', u'\u0434\u0435\u043a.']
gth.
дек.