我正在尝试测试一堆regex案例(特别是如果某个东西是一个测量单位:5px、300mm等(。
我能找到的关于re.match的所有问题都告诉我,我测试如下:
import re
test_phrase_good = "5kw"
test_phrase_bad = "5XXX"
registered_units_regex = re.compile('[0-9]+kw|[0-9]+mm', re.IGNORECASE)
# test in the following way:
registered_units_regex.match(token) is not None
# so:
print(registered_units_regex.match(test_phrase_good)) # <re.Match object; span=(0, 3), match='5kw'>
print(registered_units_regex.match(test_phrase_bad)) # None
正如预期的那样。
然而,如果我想在循环中编译regex,我会得到以下内容:
regex_units = [r"mm", r"kw"]
regex_string = r""
for unit in regex_units:
regex_string += r'[0-9]+{}|'.format(unit)
regex_string = regex_string.rstrip('|')
registered_units_regex = re.compile(regex_string, re.IGNORECASE)
registered_units_regex.match(test_phrase_good) is not None
# so:
print(registered_units_regex.match(test_phrase_good)) # <re.Match object; span=(0, 3), match='5kw'>
print(registered_units_regex.match(test_phrase_bad)) # <re.Match object; span=(0, 0), match=''>
这意味着我不能再使用CCD_ 1作为测试。
为什么会这样?我应该如何正确地测试没有对手?
正则表达式末尾的|
表示它匹配一个空字符串。您应该只将|
放在备选方案之间,而不是放在它们之前或之后。您可以使用join
来执行此操作。
regex_units
和格式字符串中都有[0-9]+
,不需要在这两个位置都有。
regex_units = ["mm","kw"]
regex_string = "|".join(r'[0-9]+{}|'.format(unit) for unit in regex_units)