如何在 Python 2.6 中获得 Python isidentifer() 功能？

Question

Python 3 有一个名为 str.isidentifier 的字符串方法

如何在 Python 2.6 中获得类似的功能，而不需要重写我自己的正则表达式等？

Answer 1

tokenize 模块定义了一个名为 Name 的正则表达式

import re, tokenize, keyword
re.match(tokenize.Name + '
, somestr) and not keyword.iskeyword(somestr)

Answer 2

无效标识符验证

---

该线程中的所有答案似乎都在验证中重复一个错误，该错误允许将不是有效标识符的字符串与字符串进行匹配。

其他答案中建议的正则表达式模式是从 tokenize.Name 构建的，它包含以下正则表达式模式 [a-zA-Z_]\w* （运行 python 2.7.15 ) 和 '$' 正则表达式锚点。

请参考标识符和关键字的官方Python 3描述（其中也包含与 python 2 相关的段落）。

在 ASCII 范围 (U+0001..U+007F) 内，标识符的有效字符与 Python 2.x 中的相同：大写和小写字母 A 到 Z、下划线 _ 和，但除外第一个字符，数字 0 到 9。

因此“foo\n”不应被视为有效标识符。

虽然有人可能会认为这段代码是有效的：

>>>  class Foo():
>>>     pass
>>> f = Foo()
>>> setattr(f, 'foo\n', 'bar')
>>> dir(f)
['__doc__', '__module__', 'foo\n']
>>> print getattr(f, 'foo\n')
bar

由于换行符确实是有效的 ASCII 字符，因此它不被视为字母。此外，以换行符结尾的标识符显然没有实际用途

>>> f.foo\n
SyntaxError: unexpected character after line continuation character

str.isidentifier 函数还确认这是一个无效标识符：

python3 解释器：

>>> print('foo\n'.isidentifier())
False

< code>$ 锚点与 \Z 锚点

---

引用 官方 python2 正则表达式语法：

<代码>$

匹配字符串的末尾或字符串末尾的换行符之前，并且在 MULTILINE 模式下还匹配换行符之前。 foo 同时匹配 'foo' 和 'foobar'，而正则表达式 foo$ 仅匹配 'foo'。更有趣的是，在 'foo1\nfoo2\n' 中搜索 foo.$ 通常匹配 'foo2'，但在 MULTILINE 模式下搜索 'foo1'；在 'foo\n' 中搜索单个 $ 将找到两个（空）匹配项：一个位于换行符之前，另一个位于字符串末尾。

这会生成一个以换行符结尾的字符串进行匹配作为有效标识符：

>>> import tokenize
>>> import re
>>> re.match(tokenize.Name + '
正则表达式模式不应使用 $ 锚点，而应使用 \Z 锚点。

再次引用一下：

<代码>\Z
仅在字符串末尾匹配。

现在正则表达式是有效的：
>>> re.match(tokenize.Name + r'\Z', 'foo\n') is None
True

危险含义

请参阅卢克的回答是另一个例子，这种弱正则表达式匹配在其他情况下可能会产生更危险的影响。
进一步阅读

Python 3 添加了对非 ascii 标识符的支持，请参阅 PEP-3131 。
, 'foo\n')
<_sre.SRE_Match at 0x3eac8e0>
>>> print m.group()
'foo'

正则表达式模式不应使用 $ 锚点，而应使用 \Z 锚点。
再次引用一下：

<代码>\Z

仅在字符串末尾匹配。

现在正则表达式是有效的：

危险含义

---

请参阅卢克的回答是另一个例子，这种弱正则表达式匹配在其他情况下可能会产生更危险的影响。

进一步阅读

---

Python 3 添加了对非 ascii 标识符的支持，请参阅 PEP-3131 。

Answer 3

re.match(r'[a-z_]\w*
应该做得很好。据我所知，没有任何内置方法。
, s, re.I)

应该做得很好。据我所知，没有任何内置方法。

Answer 4

到目前为止很好的答案。我会这样写。

import keyword
import re

def isidentifier(candidate):
    "Is the candidate string an identifier in Python 2.x"
    is_not_keyword = candidate not in keyword.kwlist
    pattern = re.compile(r'^[a-z_][a-z0-9_]*
, re.I)
    matches_pattern = bool(pattern.match(candidate))
    return is_not_keyword and matches_pattern

Answer 5

在Python中< 3.0 这很容易，因为标识符中不能包含 unicode 字符。那应该可以完成工作：

import re
import keyword

def isidentifier(s):
    if s in keyword.kwlist:
        return False
    return re.match(r'^[a-z_][a-z0-9_]*
, s, re.I) is not None

Answer 6

我决定再次尝试一下，因为已经有一些很好的建议。我会尽力整合它们。以下内容可以保存为 Python 模块并直接从命令行运行。如果运行，它会测试该功能，因此可以证明是正确的（至少在文档演示该功能的范围内）。

import keyword
import re
import tokenize

def isidentifier(candidate):
    """
    Is the candidate string an identifier in Python 2.x
    Return true if candidate is an identifier.
    Return false if candidate is a string, but not an identifier.
    Raises TypeError when candidate is not a string.

    >>> isidentifier('foo')
    True

    >>> isidentifier('print')
    False

    >>> isidentifier('Print')
    True

    >>> isidentifier(u'Unicode_type_ok')
    True

    # unicode symbols are not allowed, though.
    >>> isidentifier(u'Unicode_content_\u00a9')
    False

    >>> isidentifier('not')
    False

    >>> isidentifier('re')
    True

    >>> isidentifier(object)
    Traceback (most recent call last):
    ...
    TypeError: expected string or buffer
    """
    # test if candidate is a keyword
    is_not_keyword = candidate not in keyword.kwlist
    # create a pattern based on tokenize.Name
    pattern_text = '^{tokenize.Name}
.format(**globals())
    # compile the pattern
    pattern = re.compile(pattern_text)
    # test whether the pattern matches
    matches_pattern = bool(pattern.match(candidate))
    # return true only if the candidate is not a keyword and the pattern matches
    return is_not_keyword and matches_pattern

def test():
    import unittest
    import doctest
    suite = unittest.TestSuite()
    suite.addTest(doctest.DocTestSuite())
    runner = unittest.TextTestRunner()
    runner.run(suite)

if __name__ == '__main__':
    test()

Answer 7

我正在使用什么：

def is_valid_keyword_arg(k):
    """
    Return True if the string k can be used as the name of a valid
    Python keyword argument, otherwise return False.
    """
    # Don't allow python reserved words as arg names
    if k in keyword.kwlist:
        return False
    return re.match('^' + tokenize.Name + '
, k) is not None

Answer 8

到目前为止提出的所有解决方案都不支持 Unicode，或者如果在 Python 3 上运行，则不允许第一个字符中包含数字。

编辑：建议的解决方案只能在 Python 2 上使用，在 Python3 上应该使用 isidentifier。这是一个应该在任何地方都适用的解决方案：

re.match(r'^\w+
基本上，它测试某些内容是否由（至少 1）个字符（包括数字）组成，然后检查第一个字符是否不是数字。
, name, re.UNICODE) and not name[0].isdigit()

基本上，它测试某些内容是否由（至少 1）个字符（包括数字）组成，然后检查第一个字符是否不是数字。