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
- 数字简写匹配数字字符。
- 非数字简写匹配数字集合的补集。
- 单词字符简写匹配 Unicode 字母数字字符和下划线。
- 非单词字符简写匹配单词字符集合的补集。
- 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.pypython
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
- 从 编号A1024,用户张三,代码user_01,金额50 中提取数字。
- 分别使用 Unicode 和 ASCII 模式。
- 比较单词字符提取结果。
按自己的节奏,确认真正理解。