使用python regex模块处理Unicode重音字符

Question

我有以下两个函数，可以很好地使用ASCII字符串并使用re模块:

import re
def findWord(w):
    return re.compile(r'b{0}.*?b'.format(w), flags=re.IGNORECASE).findall

def replace_keyword(w, c, x):
    return re.sub(r"b({0}S*)".format(w), r'<mark style="background-color:{0}">1</mark>'.format(c), x, flags=re.I)

但是，它们在使用带有重音字符的utf-8编码字符串时失败。在进一步搜索时，我发现regex模块更适合Unicode字符串，因此我一直试图将其移植到过去几个小时使用regex，但似乎没有任何作用。这是我目前的记录:

import regex
def findWord(w):
    return regex.compile(r'b{0}.*?b'.format(w), flags=regex.IGNORECASE|regex.UNICODE).findall
def replace_keyword(w, c, x):
    return regex.sub(r"b({0}S*)".format(w), r'<mark style="background-color:{0}">1</mark>'.format(c), x, flags=regex.IGNORECASE|regex.UNICODE)

然而，在使用重音(非规范化)utf-8编码字符串时，我一直得到ordinal not in range错误。

编辑:建议可能重复的问题:正则表达式匹配非英语字符?解决不了我的问题。我想使用python re/regex模块。其次，我想让find和replace函数使用python工作。

编辑:我正在使用python 2

编辑:如果你觉得你可以帮助我使用Python 3使这两个函数工作，请告诉我。我希望我将能够调用python3使用这两个函数通过我的python2脚本。

Answer 1

我想我要去某个地方。我试图得到这个工作不使用模块re或regex，但普通python:

found_keywords = []
for word in keyword_list:
    if word.lower() in article_text.lower():
         found_keywords.append(word)
for word in found_keywords:  # highlight the found keyword in the text
    article_text = article_text.lower().replace(word.lower(), '<mark style="background-color:%s">%s</mark>' % (yellow_color, word))

现在，我只需要以不区分大小写的方式替换找到的关键字，然后就可以了。

请帮助我以不区分大小写的方式替换关键字的最后一步，而不使用re或regex，以便它适用于重音字符串。