对正则表达式中的反斜杠感到困惑

Question

对正则表达式中的反斜杠感到困惑我对正则表达式中的反斜杠感到困惑。在正则表达式中，a \具有特殊含义，例如，\d表示十进制数字。如果在反斜杠前添加反斜杠，则此特殊含义会丢失。在正则表达式中，人们可以阅读：也许最重要的元字符是反斜杠，\。与Python字符串文字一样，反斜杠后面可以跟各种字符，以指示各种特殊序列。它也用于转义所有元字符，因此您仍然可以在模式中匹配它们; 例如，如果你需要匹配一个[或者\，你可以在它们前面加一个反斜杠来删除它们的特殊含义：\[或者\\。所以print(re.search('\d', '\d'))给出None因为\d匹配任何十进制数字，但没有\d。我现在期望print(re.search('\\d', '\d'))匹配，\d但答案仍然是None。仅print(re.search('\\\d', '\d'))给出输出<_sre.SRE_Match object; span=(0, 2), match='\\d'>。有人有解释吗？

Answer 1

混淆是因为反斜杠字符\在两个不同的级别用作转义。首先，Python解释器本身\在re模块看到你的字符串之前执行替换。例如，\n转换为换行符，\t转换为制表符等。要获得实际\角色，您也可以将其转义，因此只\\需要一个\字符。如果后面的字符\不是可识别的转义字符，那么它将\被视为任何其他字符并通过，但我不建议依赖于此。相反，总是\通过加倍来逃避你的角色，即\\。

如果你想看看Python如何扩展你的字符串转义，只需打印出字符串。例如：

s = 'a\\b\tc'print s

如果s是聚合数据类型的一部分，例如列表或元组，并且如果打印该聚合，Python将用单引号括起该字符串并包含\转义（以规范形式），因此请注意字符串的方式正在印刷。如果您只是在解释器中键入带引号的字符串，它也会将其显示在带有'\'转义符的引号中。

一旦你知道你的字符串是如何被编码的，你就可以考虑re模块将用它做什么。例如，如果要\在传递给re模块的字符串中转义，则需要传递\\给re，这意味着您需要\\\\在引用的Python字符串中使用。Python的字符串将结束与\\和re模块将其视为一个单一的文字\字符。

\在Python字符串中包含字符的另一种方法是使用原始字符串，例如r'a\b'相当于"a\\b"。

Answer 2

在对search（）的调用中，正则表达式之前的r字符指定正则表达式是原始字符串。这允许反斜杠在正则表达式中用作常规字符，而不是在转义字符序列中。让我解释 ...

在re模块的搜索方法处理传递给它的字符串之前，Python解释器对字符串进行初始传递。如果字符串中存在反斜杠，则Python解释器必须确定每个是否是Python转义序列的一部分（例如\ n或\ t）。

注意：此时Python并不关心'\'是否是正则表达式元字符。

如果'\'后跟一个识别的Python转义字符（t，n等），则反斜杠和转义字符将替换为实际的Unicode或8位字符。例如，'\ t'将替换为选项卡的ASCII字符。否则它被传递并解释为'\'字符。

考虑以下。

>>> s = '\t'>>> print ("[" + s  + "]")>>> [       ]           // an actual tab character after preprocessing>>> s = '\d'>>> print ("[" + s  + "]")>>> [\d]                // '\d' after preprocessing

有时我们希望在字符串中包含一个包含'\'的字符序列，而不会被Python解释为转义序列。要做到这一点，我们用'\'来逃避'\'。现在，当Python看到'\'时，它会用一个'\'字符替换两个反斜杠。

>>> s = '\\t'>>> print ("[" + s  + "]")>>> [\t]                // '\t' after preprocessing

在Python解释器对两个字符串进行传递后，它们将传递给re模块的搜索方法。搜索方法解析正则表达式字符串以标识正则表达式的元字符。

现在'\'也是一个特殊的正则表达式元字符，并且被解释为一个UNLESS，它在执行re search（）方法时被转义。

考虑以下电话。

>>> match = re.search('a\\t','a\\t')        //Match is None

这里匹配是None。为什么？让我们看看Python解释器传递后的字符串。

String 1: 'a\t'String 2: 'a\t'

那么为什么匹配等于None？当search（）解释String 1时，由于它是正则表达式，因此反斜杠被解释为元字符，而不是普通字符。但是，字符串2中的反斜杠不在正则表达式中，并且已由Python解释器处理，因此它被解释为普通字符。

所以search（）方法在字符串'a \ t'中寻找'a escape-t'，它们不匹配。

为了解决这个问题，我们可以告诉search（）方法不要将'\'解释为元字符。我们可以通过逃避它来做到这一点。

考虑以下电话。

>>> match = re.search('a\\\\t','a\\t')          // Match contains 'a\t'

再次，让我们看看Python解释器传递后的字符串。

String 1: 'a\\t'String 2: 'a\t'

现在，当search（）方法处理正则表达式时，它会看到第二个反斜杠被第一个反斜杠转义，不应该被视为元字符。因此，它将字符串解释为'a \ t'，它与String 2匹配。

将search（）视为'\'作为字符的另一种方法是在正则表达式之前放置一个r。这告诉Python解释器不要预处理字符串。

考虑一下。

>>> match = re.search(r'a\\t','a\\t')           // match contains 'a\t'

这里的Python解释器不会修改第一个字符串，但会处理第二个字符串。传递给search（）的字符串是：

String 1: 'a\\t'String 2: 'a\t'

与前面的示例一样，搜索将'\'解释为单个字符'\'而不是元字符，因此与字符串2匹配。