私は最近キリル文字の仕事を始めましたが、本当に難しいです。
私はそれを使用するために私のPythonスクリプトを取得できません。私は前に試しました。
PHPはうまくいきますが、PHPを知りません。やっと何かをまとめましたが、まだ心が楽ではありませんでした。 （しかし、驚くほど有用であることが証明されているので、主流になることができます。）
もちろんgrepこれは不可能です。
それともそうでしょうか？
これがこの質問の目的です。
私はこれをしたい：
alec@ROOROO:~/$ grep '\w\{4\}' cyrillicstuff
...そして手ぶらで去った。
しかし、すべてがキリル文字なので、良い'ol grepを使用して4文字以上のすべての単語を返す方法はありますか？
答え1
Unicodeベースの文字クラスを使用する必要があると思います。単語文字のロケール認識クラスは[:alnum:]文字クラス内で使用されるため、コマンドは次のようになります。
grep '[[:alnum:]]\{4\}' cyrillicstuff
そして、ロケールがファイルが実際に使用するエンコーディングに設定されていることを確認してください。localeコマンドを使用して、LC_CTYPEカテゴリに指定された値を調べて見つけることができます。
この構文は、POSIXネイティブまたは拡張正規表現（sed、awkなど）を使用するすべてのツール、およびPythonおよびPHPで使用されるPerlおよび「Perl互換正規表現」でサポートされています。 perlと「perl互換正規表現」には追加の構文が\pXあります\p{xxx}。ここでX、xxxまたははUnicodeカテゴリ名であるため、と同じで、\pL同じで[:alpha:]なけれ\p{Uppercase}ばなりません[:upper:]。すべてのUnicodeカテゴリが利用可能である必要があります。
広告Python。 PythonはUnicodeも完全にサポートしています。すぐに動作する必要があるPython 3では、ロケールエンコーディングでファイルを開くことがデフォルトであるようです（ただし、テストせずに確認しました）。ただし、Python 2ではエンコードを手動で指定する必要があります。 stdin、stdout、stderrに設定する必要がありますが、他のすべてのファイルにはこのcodecs.open関数を使用する必要があります。ここでインポートするエンコーディングを指定しますlocale.getpreferredencoding()。locale.setlocale(locale.LC_ALL, '')