如何编写正则表达式匹配Python 3合法Unicode变量名？

首先直接给结论：Python的re模块里的\w无法覆盖所有合法的Python 3变量名，比如像∑、α这类数学符号变量名，\w就匹配不到。要写出能准确匹配所有Python 3合法变量名的正则，得从Python官方的标识符规则入手。

Python 3变量名的核心规则 #

Python 3对标识符（变量名属于标识符）的规则是：

• 必须以Unicode XID_Start类别的字符开头：包括所有语言的Unicode字母、下划线_，以及部分特殊字符（比如罗马数字Ⅸ、数学符号∑这类符合标识符规范的符号）
• 后续字符可以是Unicode XID_Continue类别的字符：涵盖XID_Start的所有字符，加上数字、变音符号等符合规范的字符

正确的正则表达式 #

在Python 3.6及以上版本（现在主流版本都满足），可以直接用Unicode属性转义来写出精准匹配的正则：

import re

pattern = r'^[\p{XID_Start}][\p{XID_Continue}]*$'
# 测试示例
test_names = ["var123", "_private", "ñombre", "∑total", "α_value", "123invalid"]
for name in test_names:
    print(f"{name}: {'合法' if re.match(pattern, name) else '不合法'}")

这个正则完全遵循Python 3的标识符规范，能匹配所有合法变量名，同时排除像以数字开头的非法变量名。

为什么\w不够用？ #

Python的re模块中，\w默认匹配的是Unicode中的字母（L）、数字（N）、下划线（Pc），但Python 3允许的变量名还包含一些属于**数学符号（Sm）**等类别的字符（比如∑），这些字符不在\w的匹配范围内，所以用\w写的正则会漏掉这类合法变量名。

旧版本Python的替代方案 #

如果还在使用Python 3.5及以下版本（不支持Unicode属性转义），可以结合unicodedata模块来判断字符是否符合XID规则，不过这种场景下用正则就不如直接写判断函数来得可靠了：

import unicodedata

def is_valid_variable_name(name):
    if not name:
        return False
    # 验证首字符是否符合XID_Start规则
    start_categories = ('Lu', 'Ll', 'Lt', 'Lm', 'Lo', 'Nl', 'Pc')
    if unicodedata.category(name[0]) not in start_categories:
        return False
    # 验证后续字符是否符合XID_Continue规则
    continue_categories = start_categories + ('Nd', 'Mn', 'Mc', 'Cf')
    for char in name[1:]:
        if unicodedata.category(char) not in continue_categories:
            return False
    return True

这个函数模拟了XID_Start和XID_Continue的判断逻辑，能准确验证变量名是否合法。

内容的提问来源于stack exchange，提问作者jmd_dk