Python 正则表达式 \w 与组合变音符号不匹配？

我有一个带有组合变音符号的 UTF8 字符串。我想将它与\w正则表达式序列。它匹配带有重音符号的字符，但如果存在带有组合变音符号的拉丁字符则不匹配。

>>> re.match("a\w\w\wz", u"aoooz", re.UNICODE)
<_sre.SRE_Match object at 0xb7788f38>
>>> print u"ao\u00F3oz"
aoóoz
>>> re.match("a\w\w\wz", u"ao\u00F3oz", re.UNICODE)
<_sre.SRE_Match object at 0xb7788f38>
>>> re.match("a\w\w\wz", u"aoo\u0301oz", re.UNICODE)
>>> print u"aoo\u0301oz"
aóooz

（看起来 SO markdown 处理器在上面的组合变音符号时遇到了问题，但最后一行有一个 ́ ）

无论如何，有没有可以将变音符号与组合相匹配\w？我不想规范化文本，因为该文本来自文件名，而且我还不想进行整个“文件名 unicode 规范化”。这是Python 2.5。

我刚刚注意到一个新的“regex“ pypi 上的包。（如果我理解正确的话，这是一个新包的测试版本，有一天将取代 stdlibre包裹）。

它似乎（除其他外）关于 unicode 有更多的可能性。例如，它支持\X，用于匹配单个字素（无论是否使用组合）。它还支持 unicode 属性、块和脚本的匹配，因此您可以使用\p{M}指组合标记。这\X前面提到的相当于\P{M}\p{M}*（不是组合标记的字符，后跟零个或多个组合标记）。

请注意，这使得\X或多或少相当于unicode.，不属于\w，所以在你的情况下，\w\p{M}*就是你所需要的。

它（目前）是一个非 stdlib 包，我不知道它准备得如何（并且它不是二进制发行版），但您可能想尝试一下，因为它似乎是您问题的最简单/最“正确”的答案。 （否则，我认为您需要明确使用字符范围，如我对上一个答案的评论中所述）。

也可以看看这一页有关 unicode 正则表达式的信息，可能还包含一些对您有用的信息（并且可以作为 regex 包中实现的某些内容的文档）。