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。