正则表达式[A-Z]无法识别本地化字符的问题求助

咱们先理清楚你遇到的核心问题：

• 你想匹配Ş这类非ASCII的Unicode大写字母，但[A-Z]只能识别ASCII范围内的A到Z，哪怕加了re.U（Python3里默认已经启用）也没用，因为这个字符类本身就限定在了ASCII区间。
• re.LOCALE在Python3里不能和字符串模式搭配使用，它只对字节串有效，所以才会抛出ValueError。

正确解决方案：用Unicode属性类匹配 #

Python正则支持Unicode属性匹配，用\p{Lu}可以精准匹配所有语言中的Unicode大写字母（包括土耳其语Ş、德语Ä这类特殊大写字母）。修改后的代码如下：

import re
corp = "minikŞeker bir kedi"
# 简化正则：用\p{Lu}匹配任意Unicode大写字母，去掉多余的捕获组和{1}限定符
pattern = re.compile(r"(\w)(\p{Lu})")
corp = re.sub(pattern, r"\1 \2", corp)
print(corp)  # 输出结果：minik Şeker bir kedi

为什么这个方法可行？ #

• \p{Lu}是Unicode属性中的「大写字母（Letter, Uppercase）」，它覆盖了全球所有语言的大写字母，完全跳出了ASCII的限制。
• 你原来的正则([\w]{1})()([A-Z]{1})里，{1}是多余的（正则默认匹配1次），中间的空捕获组也没用，简化后逻辑更清晰，效率也更高。

补充说明 #

在Python3中，re.U（即re.UNICODE）已经是默认启用的正则标志，它会让\w、\d这类元字符支持Unicode范围，但不会改变[A-Z]的含义——这个字符类永远只代表ASCII里的A到Z，和Unicode无关。

内容的提问来源于stack exchange，提问作者Salih F. Canpolat