如何在Python正则中检测拉丁字符？含重音字符处理方案

最近在处理带重音的拉丁文本时，我遇到了正则匹配无法覆盖重音字符的问题，后来参考了Stack Exchange上的思路——通过在正则表达式前添加#字符来适配这类特殊字符，整理出了下面的文本清理函数：

import re

def clean_str(string):
    # 处理@开头的用户名类标记
    string = re.sub(r"#(@[a-zA-Z_0-9]+)", " ", string, re.UNICODE)
    # 给非字母数字且非#的字符前后加空格，避免文本粘连
    string = re.sub(r'#([^a-zA-Z0-9#])', r' \1 ', string, re.UNICODE)
    # 移除这类特殊字符
    string = re.sub(r'#([^a-zA-Z0-9#])', r' ', string, re.UNICODE)
    # 合并多个连续空格为单个空格
    string = re.sub(r'(\s{2,})', ' ', string, re.UNICODE)
    return string.lower().strip()

这个函数的核心处理逻辑：

• 过滤掉@开头的标记类内容
• 对特殊字符先做空格分隔再移除，防止清理后文本出现不必要的粘连
• 统一合并多余空格、转小写并去除首尾空格，输出规整的文本

内容的提问来源于stack exchange，提问作者Minions