Python中startswith()传入元组返回错误结果的原因排查

问题现象 #

想要仅匹配以%%ABC XYZ:或%%RLMI UUEW:开头的字符串，但使用startswith()传入元组作为参数时出现异常结果：

'ABC XYZ:0882-928'.startswith(('%%RLMI UUEW:','%%ABC XYZ:'))
# Out[1]: True

'%%ABC XYZ:0882-928'.startswith(('%%RLMI UUEW:','%%ABC XYZ:'))
# Out[2]: True

而传入单个子串时结果符合预期：

'ABC XYZ:7281-001'.startswith('%%ABC XYZ:')
# Out[3]: False

'%%ABC XYZ:7281-001'.startswith('%%ABC XYZ:')
# Out[4]: True

使用的Python版本为3.9.13：

import sys
print("User Current Version:-", sys.version)
# User Current Version:- 3.9.13 (main, Aug 25 2022, 23:51:50) [MSC v.1916 64 bit (AMD64)]

原因分析 #

这是Python 3.9及更早版本的已知bug：当startswith()传入包含空格的前缀元组时，内部匹配逻辑会错误地忽略前缀开头的部分字符，导致不完整的前缀被匹配。

比如示例中'ABC XYZ:0882-928'被错误匹配，是因为它和元组内'%%ABC XYZ:'的后半段'ABC XYZ:'吻合，而非完整前缀。该bug在Python 3.10及后续版本中已被修复，升级后startswith()会严格匹配元组内的完整前缀，返回正确结果。

替代解决方案 #

如果暂时无法升级Python版本，可采用以下两种方法实现正确匹配：

• 分别调用startswith()并通过逻辑或连接：

  s = 'ABC XYZ:0882-928'
  result = s.startswith('%%RLMI UUEW:') or s.startswith('%%ABC XYZ:')
  # result: False
  

• 使用正则表达式匹配字符串开头：

  import re
  s = 'ABC XYZ:0882-928'
  result = re.match(r'^(%%ABC XYZ:|%%RLMI UUEW:)', s) is not None
  # result: False
  

内容的提问来源于stack exchange，提问作者Rasec Malkic