以下のプログラムにおいて、結果をコード中のコメント部分に書きました。
このプログラムは、すべての漢字文字列を抽出するためのものですが、どういうわけか、「私」と「首都」だけが取り出せません。
特定の単語が抽出できないわけはないので、困っています。
よろしくお願いいたします。
import re
print(re.findall('[亜-熙]+', '私の名前は堀内です。')) # --> ['名前', '堀内']
print(re.findall('[亜-熙]+', '君の名前は堀内です。')) # --> ['君', '名前', '堀内']
print(re.findall('[亜-熙]+', '君の私は堀内です。')) # --> ['君', '堀内']
print(re.findall('[亜-熙]+', '私の私は私です。')) # --> []
print(re.findall('[亜-熙]+', '日本の首都は東京です。')) # --> ['日本', '東京']
print(re.findall('[亜-熙]+', '首都の首都は首都です。')) # --> []
[亜-熙]
と書きましたか?U+4E9C
, 「熙」はU+7199
です。一方、「首」はU+9996
「都」はU+90fd
なので範囲外になります。また、「私」はU+79c1
なので、こちらも範囲外です。import regex as re
としてインポートして、re.findall(r'\p{Han}+', '首都の首都は首都です。')
などとします。