python中掉过又爬出来的那些坑

一、中文是不是“字母”？

　　当然，看到标题你肯定想这答案是显而易见的，但是、but、问题就在这里，我也是这么想的！！！然后就被python打脸了

　　看下面的例子：

s = '你说我是字母吗'
print(s.isalpha())

　　你以为他是False？不，答案是：

　　这个问题真是困扰了我一晚上，自己一开始使用正则去匹配的，匹配了半天发现我正则虽然只是略知皮毛，但是，这么简单的东西不会错啊，“\w”怎么就能匹配中文呢？如下：

import re
pattern = re.compile('^\w+$')
print(pattern.match(s))

　　看看结果：

　　他还从头到尾都是匹配的，我真的是试了一晚上，感觉被整个世界欺骗了。

　　终于，我认清了不是我自己的问题，放弃了继续在正则上下功夫，放弃了与编译软件作对，百度了一下。。。

isalpha函数是针对python2.7默认字符编码下的字符串设计的，所以不适用于unicode编码，在unicode编码下会出错。（言外之意python2是可以直接判断的）

对于unicode str，str.isalpha()会根据字符串中的字符是否属于Unicode编码的LETTER区域来判断是否都由字母组成。所以得出的结果为True，不一定只有26个字母哦。

而正则判断出错是因为在python3 中re默认支持的是unicode字符集，当然也支持汉字。

　　所以说，如果想用isalpha()来判断字符串是否都是字母，要对str做编码转换，即：

s = '你说我是字母吗'
print(s.encode('utf-8').isalpha())

　　当然，我们更需要用正则来判断，用正则可以用两种方法：

1、加入re.A就可以解决这样问题

import re
pattern = re.compile('^\w+$', re.A)
print(pattern.match(s))

2、用[a-zA-Z]代替\w

import re
pattern = re.compile(r'^[a-zA-Z]+$', re.A)
print(pattern.match(s))