正则表达式：如果字符被转义，则解析不同

Question

鉴于此字符串"foo-bar=369,337,234,123"，我可以['foo-bar', '369', '337', '234', '123]使用此正则表达式将其解析为：re.findall(r'[a-zA-Z0-9\-_\+;]+', 'foo-bar=369,337,234,123'),现在，如果我对字符串中的某些部分进行转义，例如"foo-bar=369\,337\,234,123"，我希望它的解析方式有所不同：['foo-bar', '369\,337\,234', '123']。我尝试了下面的正则表达式，但它不起作用：r'[a-zA-Z0-9\-_\+;(\\,)]+'基本上是尝试将字符序列添加\,到要匹配的字符列表中。

Answer 1

你可以使用

[a-zA-Z0-9_+;-]+(?:\\,[a-zA-Z0-9_+;-]+)*

请参阅正则表达式演示

如果您通过re.A或re.ASCII到re.compile，您可以将其缩短为

[\w+;-]+(?:\\,[\w+;-]+)*

正则表达式详细信息

• [\w+;-]+- 一个或多个单词+、;或-字符

• (?:\\,[\w+;-]+)*- 0 次或多次出现\,后跟 1+ 个单词、+或;字符的-子字符串。

Python 演示：

import re

strings = [r'foo-bar=369,337,234,123', r'foo-bar=369\,337\,234,123']

rx = re.compile(r"[\w+;-]+(?:\\,[\w+;-]+)*", re.A)

for s in strings:

    print(f"Parsing {s}")

    print(rx.findall(s))

输出：

Parsing foo-bar=369,337,234,123

['foo-bar', '369', '337', '234', '123']

Parsing foo-bar=369\,337\,234,123

['foo-bar', '369\\,337\\,234', '123']

请注意此处的双反斜杠，在字符串文字内，表示单个文字反斜杠。