match语法适用于结构明确的枚举型字段清洗，如订单状态、库存状态等离散值映射，需预先归一化并确保非None；不适用于模糊匹配、正则提取或嵌套遍历，应与re配合完成“先提取后分类”。
Match语法在爬虫清洗中能替代if-elif链，但仅适用于结构明确的字段分类
Python 3.10 的 match 语句对爬虫清洗有用，但不是万能替换。它适合处理「从HTML或JSON中提取出的原始字段值」按固定类别做分发的场景，比如清洗 status 字段："已发货"、"待付款"、"cancelled" 等离散字符串；不适合模糊匹配、正则提取或嵌套结构遍历。
常见错误是强行把 re.search() 结果塞进 match——match 只匹配值本身，不执行模式匹配。想用正则，得先用 re.match() 提取再分类。
- 只对已知、有限、枚举型字段值使用
match，例如订单状态、商品分类、响应码文本 - 清洗前必须确保字段已提取且非
None，否则match会跳过所有case，进入_分支（若未定义则静默失败） - 避免在
case中写复杂表达式：如case x if x.strip().lower() == "pending"—— 这类逻辑应提前归一化，保持case干净
用match处理多来源字段的标准化映射
爬不同网站时，同一语义字段常有不同原始值，比如“缺货”可能被写成 "out of stock"、"无库存"、"sold out"。用 match 做映射比堆 if/elif 更易读、更易维护。
def normalize_stock_status(raw: str) -> str:
match raw.strip().lower():
case "in stock" | "有货" | "instock":
return "in_stock"
case "out of stock" | "无库存" | "sold out" | "缺货":
return "out_of_stock"
case "preorder" | "预售" | "coming soon":
return "preorder"
case _:
return "unknown"
注意点：
立即学习“Python免费学习笔记（深入）”；
-
case中多个字面量用|连接，不是or；顺序无关，但建议按常见度从高到低排 -
_是兜底，不是可选——漏掉会导致未覆盖值返回None（如果函数没显式 return） - 如果原始值含空格或大小写混乱，必须在
match前统一处理（如.strip().lower()），不能在每个case里重复调用
match无法替代正则提取，但可与re配合做二级分类
爬虫常需先从一段文本中抽数字或日期，再按范围或格式分类。这时 match 不直接参与抽取，而是处理抽取结果。
典型错误写法：match re.search(r"\d+", text) —— re.search() 返回 Match 对象，不是字符串，无法和字面量匹配。
- 正确流程：先用
re.search()或re.findall()提取，再对结果用match - 例如提取价格后分类：
price_str = re.search(r"¥(\d+\.?\d*)", html).group(1)，再match float(price_str) - 注意浮点数匹配要谨慎：
case x if x 比直接 <code>case 0.0..9.99:更可靠（Python 3.10 不支持区间语法，需用守卫）
性能差异小，但可读性提升明显，别为用而用
在清洗逻辑中，match 和等价 if/elif 的执行速度基本一致，CPython 下差异可忽略。真正价值在于降低认知负荷——尤其当字段有10+种可能值时，match 的垂直排列让分支意图一目了然。
容易被忽略的点：
-
match是表达式，可直接赋值：cleaned = match raw: case "A": "a" case _: "other"，但别为了单行牺牲可读性 - 调试时，IDE 对
match的断点支持仍弱于if，某些情况下单步会跳过整个match块 - 团队若还在用 Python match 会直接导致运行时报
SyntaxError，CI 需确认版本锁死
真正卡住人的从来不是语法，而是清洗规则本身是否清晰——match 只放大已有逻辑，不修复模糊定义。
