如何仅用re库实现regex库中\p{P}的Unicode标点匹配功能？

当然可以！你完全能用Python自带的re库复刻regex库的Unicode类别匹配能力，不过得根据你的Python版本来选择不同的实现方式。针对你需要匹配和单词紧密相连的标点这个需求，咱们一步步来解决：

情况1：Python 3.7及以上版本（最简单的方案） #

从Python 3.7开始，re库已经支持Unicode属性转义了，和regex库的\p{P}用法几乎一致！你只需要在编译正则的时候加上re.UNICODE标志（Python 3里默认就是Unicode模式，但加上更保险），直接用类似regex的写法就行：

import re

# 编译正则表达式，匹配字母单词+紧跟的任意数量Unicode标点
pattern = re.compile(r'\b[^\W\d_]+\b\p{P}*', re.UNICODE)

# 测试示例
test_text = "Hello! How are you? I'm fine, thanks."
matches = pattern.findall(test_text)
print(matches)
# 输出：['Hello!', 'How', 'are', 'you?', 'I', 'm', 'fine,', 'thanks.']

这里的\p{P}和regex库中的含义完全相同，会匹配所有Unicode标点字符（包括连接符、破折号、括号、引号、普通标点等）。

情况2：Python 3.6及更早版本（手动构建标点集合） #

如果你的运行环境是Python 3.6或更早，re库还不支持\p{P}，这时候我们可以用unicodedata模块来生成所有Unicode标点字符的集合，再把它嵌入正则表达式中：

import re
import unicodedata

def build_unicode_punct_pattern():
    # 遍历所有Unicode码点，收集所有标点字符
    punct_chars = []
    for codepoint in range(0x110000):
        char = chr(codepoint)
        # Unicode类别以P开头的都是标点（Pc/Pd/Ps/Pe/Pi/Pf/Po）
        if unicodedata.category(char).startswith('P'):
            punct_chars.append(char)
    # 转义标点中的特殊正则字符（比如[]、\等），避免语法错误
    escaped_punct = re.escape(''.join(punct_chars))
    # 构建并返回正则表达式对象
    return re.compile(rf'\b[^\W\d_]+\b[{escaped_punct}]*', re.UNICODE)

# 使用自定义的正则
pattern = build_unicode_punct_pattern()
test_text = "Hello! How are you? I'm fine, thanks."
matches = pattern.findall(test_text)
print(matches)
# 输出和上面完全一致

一些关键细节说明 #

• 关于\b单词边界：这里的\b会准确匹配字母（[^\W\d_]匹配的是Unicode字母）和标点（非\w字符）之间的边界，确保标点是和单词紧密相连的，没有其他间隔字符。
• re.UNICODE标志：虽然Python 3默认处理Unicode字符串，但加上这个标志能明确告诉re库按照Unicode规则处理字符类和边界，避免潜在的兼容性问题。
• 手动生成标点的优势：这个方法完全依赖Python标准库，不需要安装任何第三方包，能在所有Python版本中运行。

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