資訊專欄INFORMATION COLUMN
摘要：可是當(dāng)我測試，我就懵逼了，中文真都驗證通過，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。
上周，我的測試同事告訴我，你的用戶名怎么還允許中文?。慨?dāng)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(yán)謹(jǐn)?shù)淖黠L(fēng)，我自己先測試一下，沒問題看我怎么懟回去?？墒钱?dāng)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??？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。
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：
~|? 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 = "捕蛇者說">>> re.match("w{1,20}", aa)>>> bb = "abc123ADB">>> re.match("w{1,20}", bb)
<_sre.SRE_Match object at 0x1031b0b28>
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？
~|? 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 = "捕蛇者說">>> 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，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(dāng)我們仔細(xì)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(dāng)沒有設(shè)置LOCALE(re.L)和UNICODE(re.U)標(biāo)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(biāo)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(biāo)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(biāo)記，就匹配當(dāng)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(rèn)情況下，不設(shè)置任何標(biāo)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(biāo)志為re.A，如果你想匹配Unicode字符集里的字符，指定標(biāo)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(xùn)：
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。
文章版權(quán)歸作者所有，未經(jīng)允許請勿轉(zhuǎn)載,若此文章存在違規(guī)行為，您可以聯(lián)系管理員刪除。
轉(zhuǎn)載請注明本文地址：http://systransis.cn/yun/44014.html
摘要：可是當(dāng)我測試，我就懵逼了，中文真都驗證通過，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。 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?。慨?dāng)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(yán)謹(jǐn)?shù)淖黠L(fēng)，我自己先測試一下，沒問題看我怎么懟回去。可是當(dāng)我測試，我就懵逼了...
摘要：最近有粉絲在群里提出建議，找一小部分人組建一個小的學(xué)習(xí)小組，一起學(xué)自動化，對于學(xué)習(xí)這種事情，當(dāng)然是好的，正好我自己最近也有計劃要從頭開始系統(tǒng)學(xué)一下自動化，與我的想法不謀而合，于是，就有了這第一篇文章。 最近有粉絲在群里提出建議，找一小部分人組建一個小的學(xué)習(xí)小組，一起學(xué)python自動化，對于...
摘要：所以，應(yīng)該直接了當(dāng)?shù)陌惭b，其中也會自動安裝上，作為其運行的。這只是一開始，之后還有里各種找不到外部安裝的的情況。終于，意識到這些方法都是錯誤的思路。這才知道原來是無法識別。 為什么要用IPython/Jupyter? python里面調(diào)試確實有點煩惱，尤其是在vim里，想要嘗試一些簡單的編碼問題，實在是有點麻煩，不想到命令行模式一行一行執(zhí)行，也不想再新建一個文件測試一個簡單的功能。 而...
摘要：所以，應(yīng)該直接了當(dāng)?shù)陌惭b，其中也會自動安裝上，作為其運行的。這只是一開始，之后還有里各種找不到外部安裝的的情況。終于，意識到這些方法都是錯誤的思路。這才知道原來是無法識別。 為什么要用IPython/Jupyter? python里面調(diào)試確實有點煩惱，尤其是在vim里，想要嘗試一些簡單的編碼問題，實在是有點麻煩，不想到命令行模式一行一行執(zhí)行，也不想再新建一個文件測試一個簡單的功能。 而...
閱讀 1428·2021-10-08 10:05
閱讀 3079·2021-09-26 10:10
閱讀 890·2019-08-30 15:55
閱讀 515·2019-08-26 11:51
閱讀 451·2019-08-23 18:10
閱讀 3870·2019-08-23 15:39
閱讀 672·2019-08-23 14:50
閱讀 777·2019-08-23 14:46
