RegEx：英語と英語以外の文字（と私の解決策）を扱う方法

Question

英語と英語以外の文字の両方に一致する推奨RegExパターンがあるかどうかを知りたいと思います。これまで私はanswer provided at SOに基づいて[^\x00-\x7F]+|[a-zA-Z'-]*を考え出しました。私の解決策はうまくいくようですが、私はRegExにとってとても嬉しく思っていますので、このトークンを確認して改善を提案してほしいと思います。私はthisのようなこの問題に触れるほとんどの解決策を認識していますが、私はすでにこれについて良いRegExがあるとは思わない。

Answer 1

答えは言語によって大きく異なります。しかし、一般的には、 "unicodeフラグ"を有効にする必要があります（これは通常、正規表現に(?u)を追加するか、/uを追加して行います）、ユニコード文字列を使用します。このように、\w、\sなどは、対応するユニコード文字と正しく一致します。 Pythonの2（Pythonの3がデフォルトでUnicodeを使用しています）で

例：

>>> re.match('\w', 'è') # byte string, no unicode flag: no match 
>>> re.match('(?u)\w', u'è') # unicode string and unicode flag: match 
<_sre.SRE_Match object at 0x7f258bac07e8> 
>>> re.match('\w', u'è', re.UNICODE) # another way to enable the unicode flag 
<_sre.SRE_Match object at 0x7f258bac0850>