正则表达式“\”字符和分组“（）”字符如何协同工作？

Question

我正在尝试查看以下模式匹配的语句：

\(*[0­-9]{3}\)*-­*[0-­9]{3}­\d\d\d+

我有点困惑，因为分组字符()之前有一个\。这是否意味着该声明必须包含(和)？这是否意味着没有(或)的语句是不匹配的？

Statements:
'404­678­2347'
'(123)­1247890'
'456­900­900'
'(678)­2001236'
'404123­1234'
'(404123­123'

Answer 1

背景很重要：

• re.match(r'\(', content)匹配文字括号。
• re.match(r'\(*', content)匹配0个或更多的字面括号，从而使parens可选（并允许其中多个，但这显然是一个错误）。

由于预期的行为不是“0或更多”而是“0或1”，因此可能应该写成r'\(?'。

那就是说，关于这个正则表达式有很多很愚蠢。我会考虑一下：

[(]?\d{3}[)]?-?\d{6,}

• 使用[(]?可以避免使用反斜杠，因此更容易阅读它是由str()还是repr()呈现的（它会反转斜杠）。
• 混合[0-9]和\d是愚蠢的;最好选一个并坚持下去。
• 使用*代替?是愚蠢的，除非您真的想要匹配(((123))456-----7890。
• \d{3}\d\d\d+匹配三位数字，然后是三位或更多位数字。为什么不首先匹配六个或更多数字？

Answer 2

通常情况下，括号将作为分组字符，但是当前面带有反斜杠时，正则表达式元字符简化为原始字符。来自Python文档：

  

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，如果您需要匹配[或\，则可以在它们前面加上反斜杠以删除其特殊含义：\[或\\。

在您的情况下，语句不需要括号才能匹配，因为表达式中的每个\(和\)后跟{{1} }，这意味着前一个字符可以匹配任意次，包括 none。来自Python文档：

  

*与文字字符*不匹配;相反，它指定前一个字符可以匹配零次或多次，而不是恰好匹配一次。

因此，前三位数字附近有或没有括号的陈述可能会匹配。

来源：https://docs.python.org/2/howto/regex.html