# w 与[a-zA-Z0-9_] 区别在于 w 匹配了unicode字符 包含中文!

# import re
# import pandas as pd

# pat (字母数字-)以外的任何(字符串)
# 根据pat 分割字符串
def myfun(pat: str, string = r'12-en中文'):
    lis = re.split(pat, string)    
    ser = pd.Series(string).str.split(pat)
    display(lis, pd.DataFrame(ser))

myfun(r"[^a-zA-Z0-9-]+")  # 都可以剔除中文
myfun(r"[^\w\d-]+")  # 都不能剔除中文
# 原因:
#     \w 与[a-zA-Z0-9_] 区别在于 \w 匹配了unicode字符 包含中文!
#     \w\d 不包含下划线 等于 [a-zA-Z0-9]+

破案!