命令行与文本处理 / 系统课时

数字与单词字符类

数字与单词字符类

学习目标

  • 掌握数字和单词字符简写。
  • 理解大写简写表示补集。
  • 认识 Python Unicode 行为。
  • 能选择 ASCII 或 Unicode 规则。

问题背景或应用场景

数字和标识符提取非常常见。简写字符类可以减少重复范围,但 Python 默认 Unicode 模式可能匹配 ASCII 之外的字符。

核心原理

  1. 数字简写匹配数字字符。
  2. 非数字简写匹配数字集合的补集。
  3. 单词字符简写匹配 Unicode 字母数字字符和下划线。
  4. 非单词字符简写匹配单词字符集合的补集。
  5. re.ASCII 可以把相关简写限制为 ASCII 行为。

Python 默认模式下,单词字符简写不等同于 [A-Za-z0-9_],中文和全角数字也可能参与匹配。

基础用法

本课涉及的核心写法如下:

text
\d
\D
\w
\W
re.ASCII

业务明确只允许 ASCII 时,应使用显式范围或 re.ASCII,不要依赖默认 Unicode 行为。

完整可运行示例

将代码保存为:

text
shorthand_classes.py
python
import re

text = "订单A100,用户_user01,数量12"

digits_unicode = re.findall(r"\d+", text)
digits_ascii = re.findall(r"\d+", text, re.ASCII)
words_unicode = re.findall(r"\w+", text)
words_ascii = re.findall(r"\w+", text, re.ASCII)
non_words = re.findall(r"\W+", "user_name-2026")

print(f"Unicode 数字:{digits_unicode}")
print(f"ASCII 数字:{digits_ascii}")
print(f"Unicode 单词字符:{words_unicode}")
print(f"ASCII 单词字符:{words_ascii}")
print(f"非单词字符:{non_words}")

运行命令:

bash
python shorthand_classes.py

预期输出

text
Unicode 数字:['100', '01', '12']
ASCII 数字:['100', '01']
Unicode 单词字符:['订单A100', '用户_user01', '数量12']
ASCII 单词字符:['A100', '_user01']
非单词字符:['-']

Tips

  • 业务只允许 ASCII 时应显式限制。
  • 单词字符是正则术语,不是自然语言单词。
  • 大写简写表示补集。
  • 跨语言使用时要确认 Unicode 行为。

常见错误

1. 把单词字符等同于英文

Python 默认模式下,中文也可能属于单词字符。

2. 误解大写简写

非数字简写不是大写数字,而是数字集合的补集。

3. 忽略全角数字

Unicode 数字简写可能匹配全角数字。

本课练习

  1. 从 编号A1024,用户张三,代码user_01,金额50 中提取数字。
  2. 分别使用 Unicode 和 ASCII 模式。
  3. 比较单词字符提取结果。
按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

数字与单词字符类

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通