發(fā)現(xiàn)問題

上周，我的測試同事告訴我，你的用戶名怎么還允許中文啊？當時我心里就想，你們測試肯定又搞錯接口了，我用的是正則\w過濾了參數(shù)，怎么可能出錯，除非Python正則系統(tǒng)出錯了，那是不可能的。本著嚴謹?shù)淖黠L，我自己先測試一下，沒問題看我怎么懟回去。可是當我測試，我就懵逼了，中文真TM都驗證通過，不對啊，我以前也是這么過濾參數(shù)的，測試沒問題啊？唯一的區(qū)別是現(xiàn)在用的是Python3。

上網(wǎng)搜了一圈，發(fā)現(xiàn)沒有一篇文章講述Python2和Python3的正則在處理字符串是的區(qū)別，都是一視同仁，知道我去翻了一遍官方文檔，才明白怎么回事。

問題復現(xiàn)

我們都知道，Python有個正則規(guī)則\w，幾乎所有的網(wǎng)上博客文章都告訴你，這個規(guī)則匹配字母數(shù)字及下劃線，但實際并不是這樣：

有Python2代碼如下：

~|? python

Python 2.7.10 (default, Aug 17 2018, 19:45:58)

[GCC 4.2.1 Compatible Apple LLVM 10.0.0 (clang-1000.0.42)] on darwin

Type "help", "copyright", "credits" or "license" for more information.

>>> import re

>>> aa = '捕蛇者說'

>>> re.match('\w{1,20}', aa)

>>> bb = 'abc123ADB'

>>> re.match('\w{1,20}', bb)

我們可以看到，在python2中，\w是無法匹配中文的。那么，同樣的代碼在Python3中運行結(jié)果是什么樣子的了？

~|? python3

Python 3.7.1 (default, Nov 28 2018, 11:55:14)

[Clang 9.0.0 (clang-900.0.39.2)] on darwin

Type "help", "copyright", "credits" or "license" for more information.

>>> import re

>>> aa = '捕蛇者說'

>>> re.match('\w{1,20}', aa)

>>> bb = 'abc123ADB'

>>> re.match('\w{1,20}', bb)

但在Python3中\(zhòng)w是可以匹配中文的，這是怎么回事了？要回答這個問題，我們要回到Python官方文檔中來尋找答案。

解決問題

當我們仔細閱讀Python的官方文檔時，就會發(fā)現(xiàn)，對于同樣的正則規(guī)則\w，Python2和Python3區(qū)別好大，我們先來看看Python2：

When the LOCALE and UNICODE flags are not specified, matches any alphanumeric character and the underscore; this is equivalent to the set [a-zA-Z0-9_]. With LOCALE, it will match the set [0-9_] plus whatever characters are defined as alphanumeric for the current locale. If UNICODE is set, this will match the characters [0-9_] plus whatever is classified as alphanumeric in the Unicode character properties database.

翻譯一下：當沒有設(shè)置LOCALE(re.L)和UNICODE(re.U)標志，匹配數(shù)字字母和下劃線，如果設(shè)置了LOCALE(re.L)則匹配數(shù)字下劃線和LOCALE文字。如果設(shè)置了UNICODE(re.U)標志，匹配數(shù)字下劃線和Unicode字符集里的字符。

那么Python3了：

對于 Unicode (str) 樣式：

匹配Unicode詞語的字符，包含了可以構(gòu)成詞語的絕大部分字符，也包括數(shù)字和下劃線。如果設(shè)置了 ASCII 標志，就只匹配 [a-zA-Z0-9_] 。

對于8位(bytes)樣式：

匹配ASCII字符中的數(shù)字和字母和下劃線，就是 [a-zA-Z0-9_] 。如果設(shè)置了 LOCALE 標記，就匹配當前語言區(qū)域的數(shù)字和字母和下劃線。

到此，我明白了，默認情況下，不設(shè)置任何標志，Python2 \w匹配ASCII字符集里的字符，包括數(shù)字字符和下劃線，Python3 \w匹配數(shù)字下劃線和Unicode字符集。所以，為了遷移方便，如果你想匹配ASCII字符集里的字符，指定標志為re.A，如果你想匹配Unicode字符集里的字符，指定標志為re.U。

總結(jié)

到此，我的問題是徹底解決了，但也有兩個教訓：

看網(wǎng)上的教程要多注意，特別是教程里的環(huán)境和自己環(huán)境的區(qū)別

多看官方文檔

關(guān)于Python2和Python3，還有很多區(qū)別，這里就不一一列舉了，歡迎大家留言討論。

總結(jié)

以上是生活随笔為你收集整理的python为什么这么小_同样是 Python，怎么区别这么大的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。