Python 3正则表达式：如何在\w中排除下划线？

嘿，这个需求太常见了——在多语言场景下想利用\w的Unicode匹配能力，但又要剔除下划线，确实不能用[\w^_]这种错误写法（方括号里的^只有放在开头才是否定含义，放在中间就是普通字符）。我给你两个实用的解决方案：

方案1：利用补集反向排除（最简洁） #

用[^\W_]就能完美实现需求，原理很直观：

• \W是\w的补集，也就是所有非单词字符
• [^\W]等价于\w（匹配所有Unicode单词字符）
• 再加上_，[^\W_]就表示「匹配所有不是非单词字符，也不是下划线的字符」——刚好就是\w去掉下划线的效果

举个Python代码示例：

import re

# 测试字符串包含英文、中文、数字、下划线，还有希腊文
test_text = "Python_中文编程123_foo_bar_ελληνικά"

# 匹配所有Unicode单词字符，排除下划线
matches = re.findall(r'[^\W_]', test_text)
print(''.join(matches))
# 输出：Python中文编程123foobarελληνικά

方案2：明确指定Unicode属性类（更直观） #

如果你想更清晰地控制匹配范围，可以直接用Unicode属性类组合：

• \p{L}：匹配任意Unicode字母（覆盖中文、希腊文、日文等所有语言的字母）
• \p{N}：匹配任意Unicode数字

组合后的[\p{L}\p{N}]完全等价于\w去掉下划线，因为\w在Unicode模式下就是\p{L}\p{N}_的集合。

代码示例：

import re

test_text = "Python_中文编程123_foo_bar_ελληνικά"
matches = re.findall(r'[\p{L}\p{N}]', test_text)
print(''.join(matches))
# 输出和上面完全一致

额外注意事项 #

• 在Python 3中，re模块处理字符串时默认是Unicode感知的，所以\w会自动匹配所有Unicode单词字符；如果加上re.ASCII标志，\w就会退化为[a-zA-Z0-9_]，此时上面的方案也只会匹配英文、数字并排除下划线。
• 如果需要排除其他字符（比如除了下划线还要排除连字符），直接在补集里添加即可，比如[^\W_-]就能同时排除下划线和连字符。

内容的提问来源于stack exchange，提问作者Stephen