如何使用Python 2.7.x正则表达式匹配所有Unicode空格？

在Python 2.7.x里处理Unicode空格匹配确实容易踩坑——默认正则的\s字符类看起来能匹配“所有空格”，但实际上只覆盖了ASCII范围内的空白字符（空格、制表符、换行符等），像日语里的全角空格（\u3000）、非断空格（\u00A0）这类Unicode空格根本匹配不到。正则引擎通常通过Unicode属性（扩展字符类别）来解决这类问题，但Python 2.7的实现有自己的特点，下面分享两种实用方案：

方案1：启用re.UNICODE扩展标志 #

给正则表达式加上re.U（或re.UNICODE）标志后，\s会扩展匹配所有Unicode标准定义的空白字符，刚好能覆盖那些特殊的Unicode空格。示例代码：

import re

# 包含日语全角空格的Unicode文本
text = u"Hello　世界"
# 启用Unicode模式编译正则
pattern = re.compile(r"\s", re.UNICODE)
# 查找所有空格
matches = pattern.findall(text)
print(matches)  # 输出: [u'\u3000']

方案2：手动构建Unicode空格字符集 #

如果需要更精准的控制（比如只匹配特定类别的空格），可以借助unicodedata模块筛选出所有Unicode空格字符，再构建自定义正则字符类：

import re
import unicodedata

# 筛选所有Unicode "分隔符-空格"类别（Zs）的字符
unicode_spaces = u''.join([
    unichr(codepoint) 
    for codepoint in range(0x10000) 
    if unicodedata.category(unichr(codepoint)) == 'Zs'
])
# 编译包含这些空格的正则
pattern = re.compile(r'[' + re.escape(unicode_spaces) + r']')

# 测试包含全角空格和非断空格的文本
text = u"Hello　世界\u00A0测试"
matches = pattern.findall(text)
print(matches)  # 输出: [u'\u3000', u'\u00A0']

这里的Zs是Unicode字符分类中的“分隔符-空格”类别，涵盖了绝大多数我们日常遇到的空格类字符，包括半角、全角空格等。

注意：Python 2.7的re模块不支持直接使用\p{Zs}这类Unicode属性语法，所以上面两种方法是最直接有效的实现方式。

内容的提问来源于stack exchange，提问作者Eric Platon