regex - 涉及 unicode 的 Django 正则表达式混淆

Question

我们正在尝试通过 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的错误。

如果我们在标准 Python 提示符下发出以下命令：

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

None正如预期的那样，我们得到 的输出。但是，当我们将此代码放入 sgmllib.py（Django 最终通过我们的网站通过一长串调用调用）时，Python确实成功地匹配了它，并返回了一个对象。在我们看来，好像 Django 以某种方式忽略x了上面的字符串。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 的运行方式与我们自己在普通 Python 2.6 会话中运行此代码时不同。

为什么上面的正则表达式在正常运行时不匹配，但在 Django 尝试时匹配？

Answer 1

'x' 是您正在测试的字符串的一部分。如果您不在正则表达式中考虑它，那么它将不匹配。Python 工作正常。如果 Django 的行为不同，我会感到惊讶，但也许其他地方存在错误。如果添加 'x' 在 Django 中给你带来问题，你可以试试这个：

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