マルチバイト文字を含む正規表現のパターンを定義するときはunicodeでパターンを書かないと予期せぬ結果をもたらす

re_multibyte.py

# -*- coding:utf-8 -*-
import re

regex1 = re.compile(r"[ 　]+")
regex2 = re.compile(ur"[ 　]+")

def main(*args):
    """\
    str でパターンを定義したregex1はおかしな分割がされてしまいます。
    unicodeで定義したregex2は大丈夫です。

    ================
    実行結果
    ================
    ?名氏俊
    瀬名氏俊
    """
    name = "瀬名 氏俊"
    print "".join(regex1.split(name))
    print "".join(regex2.split(name))

if __name__ == '__main__':
    import sys
    main(sys.argv[1:])