Python 3.12 模式匹配进阶：匹配复杂数据结构

Python 3.10 引入的结构模式匹配（Structural Pattern Matching）在 3.12 中更加强大，特别适合处理嵌套数据结构。以下通过典型场景逐步解析：

1. 嵌套数据结构匹配

匹配多层嵌套的列表/元组时，可精确提取特定位置的元素：

def process_data(data):
    match data:
        # 匹配三层嵌套列表，提取第二层首元素
        case [ [ [x, *rest], *inner ], *outer ]:
            print(f"最内层首元素: {x}, 内层剩余: {rest}")
        
        # 匹配含特定键的嵌套字典
        case {"user": {"name": str(name), "age": int(age)}}:
            print(f"用户: {name}, 年龄: {age}")
            
        # 捕获未匹配的完整对象
        case _ as unmatched:
            print(f"未识别结构: {unmatched}")

# 测试
process_data([ [ [1,2,3], [4,5] ] ])  # 输出: 最内层首元素:1, 内层剩余:[2,3]
process_data({"user": {"name": "Alice", "age": 30}})  # 输出: 用户:Alice, 年龄:30

2. 类型与值双重约束

结合类型检查和值范围过滤：

def handle_response(response):
    match response:
        # 匹配成功状态码且含列表数据
        case {"status": 200, "data": list(items)} if len(items) > 0:
            print(f"获取{len(items)}条数据")
            
        # 匹配特定错误码范围
        case {"status": int(code)} if 400 <= code < 500:
            print(f"客户端错误: {code}")
            
        # 守卫条件强化类型约束
        case {"timestamp": str(ts), "value": float(v)} if v > 100.0:
            print(f"异常值报警: {ts} -> {v}")

# 测试
handle_response({"status": 200, "data": [1,2,3]})  # 输出: 获取3条数据
handle_response({"timestamp": "2023-01-01", "value": 150.5})  # 输出: 异常值报警...

3. 自定义类匹配

通过 __match_args__ 定义类匹配结构：

class Vector:
    __match_args__ = ("x", "y", "z")  # 定义匹配顺序
    
    def __init__(self, x, y, z=0):
        self.x = x
        self.y = y
        self.z = z

def analyze_vector(v):
    match v:
        # 匹配二维向量
        case Vector(x, y) if z == 0:
            print(f"二维向量: ({x}, {y})")
            
        # 匹配三维向量且z>0
        case Vector(x, y, z) if z > 0:
            print(f"正方向三维向量: ({x}, {y}, {z})")
            
        # 匹配零向量
        case Vector(0, 0, 0):
            print("零向量")

# 测试
analyze_vector(Vector(3, 4))      # 输出: 二维向量: (3,4)
analyze_vector(Vector(1, 2, 3))   # 输出: 正方向三维向量...

4. OR 模式与通配符

组合多个模式或忽略部分字段：

def parse_event(event):
    match event:
        # 匹配两种日志格式
        case {"type": "login", "user": str(u)} | {"type": "logout", "id": int(u)}:
            print(f"用户活动: {u}")
            
        # 忽略中间字段
        case {"header": _, "payload": {"critical": True}}:
            print("紧急事件!")
            
        # 部分字段通配
        case {"source": src, "target": str(tg)}:
            print(f"{src} -> {tg}")

# 测试
parse_event({"type": "login", "user": "admin"})  # 输出: 用户活动: admin
parse_event({"header": "X", "payload": {"critical": True}})  # 输出: 紧急事件!

最佳实践建议

1. 深度优先匹配：Python 按 case 顺序执行匹配，优先处理具体模式
2. 守卫条件优化：将计算密集型判断移至 if 守卫外
3. 类型注解辅助：结合 typing 模块提升可读性
4. 避免过度嵌套：超过 3 层嵌套时建议拆分子函数

关键优势：相比传统 if-elif 链，模式匹配在处理复杂数据结构时减少 $O(n)$ 分支判断，显著提升代码可维护性。