Question

这是有效的r'[A-Za-z0-9]'，这是r'[0-A]' - 我想知道这里匹配的是什么字符类。

Python（2.7）re模块的基础字符表是什么？ [A-Z]，[a-z]，[0-9]是引用单独的表还是单个整个索引表，例如ASCII？什么定义了要使用的字符表？

我要求了解潜在的机制。

Answer 1

你为什么不试试？

>>> import re
>>> p = r'[0-A]'
>>> s = ''.join(chr(i) for i in range(256))
>>> ''.join(re.findall(p, s))
'0123456789:;<=>?@A'
>>> p = r'[0-Z]'
>>> ''.join(re.findall(p, s))
'0123456789:;<=>?@ABCDEFGHIJKLMNOPQRSTUVWXYZ'

Answer 2

字符范围将基于ASCII或Unicode，具体取决于Python的版本和字符串的类型。如果您查找字符值，您会看到'9'和'A'之间存在大量字符，这些字符将包含在您可能不想要的内容中。

>>> r = re.compile('[0-A]')
>>> r.match('0')
<_sre.SRE_Match object at 0x025E8640>
>>> print r.match('0')
<_sre.SRE_Match object at 0x025E85D0>
>>> print r.match('9')
<_sre.SRE_Match object at 0x025E85D0>
>>> print r.match('A')
<_sre.SRE_Match object at 0x025E85D0>
>>> print r.match('Z')
None
>>> print r.match('-')
None
>>> print r.match(':')
<_sre.SRE_Match object at 0x025E85D0>

Answer 3

默认情况下，在Python 2中，模型是ASCII，但假设它可能很危险（它在启动文件中设置）。 A-Z等不是不同的集合，它们只是常用的集合，尽管字符类中的正确术语。

例如，最好使用多个范围[0-9a-x]。

[0-A]是有效的，但也会包含一堆标点符号字符，并且可能会让人们对阅读代码的人感到困惑。

不要将此与\w等类混淆，这些类可能会根据标记设置而改变。

Python RegEx底层字符组 - 例如：可以使用[0-A]吗？

3 个答案: