摘要:可是当我测试,我就懵逼了,中文真都验证通过,不对啊,我以前也是这么过滤参数的,测试没问题啊唯一的区别是现在用的是。
上周,我的测试同事告诉我,你的用户名怎么还允许中文啊?当时我心里就想,你们测试肯定又搞错接口了,我用的是正则w过滤了参数,怎么可能出错,除非Python正则系统出错了,那是不可能的。本着严谨的作风,我自己先测试一下,没问题看我怎么怼回去。可是当我测试,我就懵逼了,中文真TM都验证通过,不对啊,我以前也是这么过滤参数的,测试没问题啊?唯一的区别是现在用的是Python3。
上网搜了一圈,发现没有一篇文章讲述Python2和Python3的正则在处理字符串是的区别,都是一视同仁,知道我去翻了一遍官方文档,才明白怎么回事。
我们都知道,Python有个正则规则w,几乎所有的网上博客文章都告诉你,这个规则匹配字母数字及下划线,但实际并不是这样:
有Python2代码如下:
~|⇒ pythonPython 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 darwinType "help", "copyright", "credits" or "license" for more information.>>> import re>>> aa = "捕蛇者说">>> re.match("w{1,20}", aa)>>> bb = "abc123ADB">>> re.match("w{1,20}", bb) <_sre.SRE_Match object at 0x1031b0b28>
我们可以看到,在python2中,w是无法匹配中文的。那么,同样的代码在Python3中运行结果是什么样子的了?
~|⇒ python3Python 3.7.1 (default, Nov 28 2018, 11:55:14) [Clang 9.0.0 (clang-900.0.39.2)] on darwinType "help", "copyright", "credits" or "license" for more information.>>> import re>>> aa = "捕蛇者说">>> re.match("w{1,20}", aa)>>> bb = "abc123ADB">>> re.match("w{1,20}", bb)
但在Python3中w是可以匹配中文的,这是怎么回事了?要回答这个问题,我们要回到Python官方文档中来寻找答案。
解决问题当我们仔细阅读Python的官方文档时,就会发现,对于同样的正则规则w,Python2和Python3区别好大,我们先来看看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.
翻译一下:当没有设置LOCALE(re.L)和UNICODE(re.U)标志,匹配数字字母和下划线,如果设置了LOCALE(re.L)则匹配数字下划线和LOCALE文字。如果设置了UNICODE(re.U)标志,匹配数字下划线和Unicode字符集里的字符。
那么Python3了:
对于 Unicode (str) 样式: 匹配Unicode词语的字符,包含了可以构成词语的绝大部分字符,也包括数字和下划线。如果设置了 ASCII 标志,就只匹配 [a-zA-Z0-9_] 。 对于8位(bytes)样式: 匹配ASCII字符中的数字和字母和下划线,就是 [a-zA-Z0-9_] 。如果设置了 LOCALE 标记,就匹配当前语言区域的数字和字母和下划线。
到此,我明白了,默认情况下,不设置任何标志,Python2 w匹配ASCII字符集里的字符,包括数字字符和下划线,Python3 w匹配数字下划线和Unicode字符集。所以,为了迁移方便,如果你想匹配ASCII字符集里的字符,指定标志为re.A,如果你想匹配Unicode字符集里的字符,指定标志为re.U。
总结到此,我的问题是彻底解决了,但也有两个教训:
看网上的教程要多注意,特别是教程里的环境和自己环境的区别
多看官方文档
关于Python2和Python3,还有很多区别,这里就不一一列举了,欢迎大家留言讨论。
文章版权归作者所有,未经允许请勿转载,若此文章存在违规行为,您可以联系管理员删除。
转载请注明本文地址:https://www.ucloud.cn/yun/44014.html
摘要:可是当我测试,我就懵逼了,中文真都验证通过,不对啊,我以前也是这么过滤参数的,测试没问题啊唯一的区别是现在用的是。 发现问题 上周,我的测试同事告诉我,你的用户名怎么还允许中文啊?当时我心里就想,你们测试肯定又搞错接口了,我用的是正则w过滤了参数,怎么可能出错,除非Python正则系统出错了,那是不可能的。本着严谨的作风,我自己先测试一下,没问题看我怎么怼回去。可是当我测试,我就懵逼了...
摘要:最近有粉丝在群里提出建议,找一小部分人组建一个小的学习小组,一起学自动化,对于学习这种事情,当然是好的,正好我自己最近也有计划要从头开始系统学一下自动化,与我的想法不谋而合,于是,就有了这第一篇文章。 最近有粉丝在群里提出建议,找一小部分人组建一个小的学习小组,一起学python自动化,对于...
摘要:所以,应该直接了当的安装,其中也会自动安装上,作为其运行的。这只是一开始,之后还有里各种找不到外部安装的的情况。终于,意识到这些方法都是错误的思路。这才知道原来是无法识别。 为什么要用IPython/Jupyter? python里面调试确实有点烦恼,尤其是在vim里,想要尝试一些简单的编码问题,实在是有点麻烦,不想到命令行模式一行一行执行,也不想再新建一个文件测试一个简单的功能。 而...
摘要:所以,应该直接了当的安装,其中也会自动安装上,作为其运行的。这只是一开始,之后还有里各种找不到外部安装的的情况。终于,意识到这些方法都是错误的思路。这才知道原来是无法识别。 为什么要用IPython/Jupyter? python里面调试确实有点烦恼,尤其是在vim里,想要尝试一些简单的编码问题,实在是有点麻烦,不想到命令行模式一行一行执行,也不想再新建一个文件测试一个简单的功能。 而...
阅读 1339·2021-10-08 10:05
阅读 3034·2021-09-26 10:10
阅读 861·2019-08-30 15:55
阅读 481·2019-08-26 11:51
阅读 382·2019-08-23 18:10
阅读 3774·2019-08-23 15:39
阅读 624·2019-08-23 14:50
阅读 740·2019-08-23 14:46