Come spiegare i caratteri accentati per regex in Python?

Question

Attualmente uso re.findall per trovare e isolare le parole dopo il carattere '#' per i tag hash in una stringa:

hashtags = re.findall(r'#([A-Za-z0-9_]+)', str1) 

E ricerche str1 e trova tutti gli hashtag. Questo funziona, tuttavia, non tiene conto di caratteri accentati come questi, ad esempio: áéíóúñü¿.

Se una di queste lettere è in str1, salverà l'hashtag fino alla lettera precedente. Ad esempio, #yogenfrüz sarebbe #yogenfr.

ho bisogno di essere in grado di tenere conto di tutte le lettere accentate che spaziano dal tedesco, olandese, francese e spagnolo in modo da poter salvare hashtag come #yogenfrüz

Come posso fare per fare questo

Answer 1

provare il seguente:

hashtags = re.findall(r'#(\w+)', str1, re.UNICODE) 

Regex101 Demo

EDIT Controlla il commento utile qui sotto di Martijn Pieters.

Answer 2

Si consiglia inoltre di utilizzare

import unicodedata 
output = unicodedata.normalize('NFD', my_unicode).encode('ascii', 'ignore') 

Come faccio a convertire tutti quei caratteri di escape nei loro rispettivi personaggi come se non v'è un a Unicode, come faccio a convertire in uno standard di un? Si supponga di aver caricato il tuo unicode in una variabile denominata my_unicode ... normalizzando à in una è questa semplice ...

importazione unicodedata uscita = unicodedata.normalize ('NFD', my_unicode) .encode ('ascii' , 'ignora') esempio esplicita ...

myfoo = u'àà' 
myfoo 
u'\xe0\xe0' 
unicodedata.normalize('NFD', myfoo).encode('ascii', 'ignore') 
'aa' 

controllo questa risposta mi ha aiutato molto: How to convert unicode accented characters to pure ascii without accents?