de búsqueda sólo una letra Unicode en Python re

Question

que tienen una cadena de la que quiero extraer 3 grupos:

'19 janvier 2012' -> '19', 'janvier', '2012' 

Nombre del mes podría contener caracteres no ASCII, por lo [A-Za-z] no funciona para mí:

>>> import re 
>>> re.search(ur'(\d{,2}) ([A-Za-z]+) (\d{4})', u'20 janvier 2012', re.UNICODE).groups() 
(u'20', u'janvier', u'2012') 
>>> re.search(ur'(\d{,2}) ([A-Za-z]+) (\d{4})', u'20 février 2012', re.UNICODE).groups() 
Traceback (most recent call last): 
    File "<stdin>", line 1, in <module> 
AttributeError: 'NoneType' object has no attribute 'groups' 
>>> 

que podría utilizar \w pero coincide con los dígitos y guión:

>>> re.search(ur'(\w+)', u'février', re.UNICODE).groups() 
(u'f\xe9vrier',) 
>>> re.search(ur'(\w+)', u'fé_q23vrier', re.UNICODE).groups() 
(u'f\xe9_q23vrier',) 
>>> 

He intentado utilizar [:alpha:], pero que no está funcionando:

>>> re.search(ur'[:alpha:]+', u'février', re.UNICODE).groups() 
Traceback (most recent call last): 
    File "<stdin>", line 1, in <module> 
AttributeError: 'NoneType' object has no attribute 'groups' 
>>> 

Si de alguna manera podría coincidir \w sin [_0-9], pero no saben cómo. E incluso si descubro cómo hacerlo, ¿hay un atajo listo como [:alpha:] que funcione en Python?

Answer 1

Usted puede construir una nueva clase de caracteres:

[^\W\d_] 

en lugar de \w. Traducido al inglés, significa "Cualquier carácter que no sea un carácter no alfanumérico ([^\W] es lo mismo que \w), pero tampoco es un dígito ni un guión bajo".

Por lo tanto, solo permitirá letras Unicode (si usa la opción de compilación re.UNICODE).