Python中in关键字判断子串存在失效(Selenium获取字符串场景)
问题定位与修复方案
定位步骤
- 第一步:输出字符串原始结构排查不可见字符
在in判断前加入以下打印代码,用repr()可以输出字符串的原始编码,肉眼看不到的零宽空格、换行、制表符、不间断空格都会显示出来:print("待匹配车牌号:", repr(car_reg_number_in_application)) print("View1原始内容:", repr(View1_txt)) print("View2原始内容:", repr(View2_txt)) - 第二步:检查匹配双方的归一化逻辑是否一致
你当前只对View1_txt、View2_txt做了特殊字符替换,没有对匹配子串car_reg_number_in_application做同样的大小写、特殊字符处理,很容易出现两边格式不一致导致匹配失败的情况。 - 第三步:排查特殊空格问题
Selenium爬取的网页内容经常包含HTML的不间断空格 (对应Python编码为\xa0),和普通ASCII空格编码不同,直接用in判断会识别为不同字符。
修复方案
- 先删除无效代码:
View1_txt.replace('i', 'i')是将字符i替换为自身,没有任何作用,可以直接移除。 - 编写统一的字符串清洗函数,对所有参与匹配的字符串做归一化处理:
def clean_text(raw_str): # 替换不间断空格为普通空格 raw_str = raw_str.replace('\xa0', ' ') # 过滤所有不可见的控制字符 raw_str = ''.join([c for c in raw_str if c.isprintable()]) # 统一处理土耳其语特殊字符+全大写归一化 raw_str = raw_str.replace('İ', 'I').replace('ı', 'i').upper() # 合并多余的连续空格 raw_str = ' '.join(raw_str.split()) return raw_str # 所有参与匹配的字符串都做统一清洗 clean_reg_num = clean_text(car_reg_number_in_application) clean_view1 = clean_text(View1_txt) clean_view2 = clean_text(View2_txt)
- 替换原有的判断逻辑,使用清洗后的字符串做匹配:
if clean_reg_num in clean_view1: # 原有View1匹配后的逻辑不变 elif clean_reg_num in clean_view2: # 原有View2匹配后的逻辑不变 else: # 原有else逻辑不变
如果做完以上操作还是匹配失败,可以打印两个清洗后字符串的长度和逐字符对比,排查是否存在O/0、l/1这类易混淆字符的问题,必要时可以用模糊匹配规则替换严格的in判断。
内容的提问来源于stack exchange,提问作者Arif Garayev
相关产品推荐
相关产品推荐

