Django正则表达式混淆涉及unicode

Question

我们试图通过Django使用BeautifulSoup进行一些文本提取。我们有一个奇怪的错误，我们已经追溯到以下我们不理解。

如果我们在标准Python提示符中发出以下内容：

import re
print re.match("&#([0-9]+)[^0-9]","»")

我们得到None的输出，应该是预期的。但是，当我们将此代码放入sgmllib.py（Django最终通过我们的网站调用一长串调用）时，Python 会成功匹配此函数，并返回一个对象。它似乎在我们看来，好像Django在某种程度上忽略了上面字符串中的x。我认为这必须与unicode设置有关，等等，但我们似乎无法弄清楚为什么Django的运行方式不同，而不是我们在一个vanilla Python 2.6会话中运行这段代码。

为什么上面的正则表达式在正常运行时不匹配，但是当emango尝试时， 匹配？

Answer 1

'x'是您正在测试的字符串的一部分。如果您在正则表达式中没有考虑它，那么它将不匹配。 Python工作正常。如果Django行为不同，我会感到惊讶，但也许在其他地方有一个bug。如果在Django中添加'x'会给你带来问题，你可以试试这个：

>>> rc = re.match("&#[xX]?([0-9]+)","»")
>>> rc.group(1)
'00'