Question

我对正则表达式中的反斜杠感到困惑。在正则表达式中，\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regex-howto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\\。

所以print(re.search('\d', '\d'))给出None，因为\d匹配任何十进制数字，但\d中没有。

我现在希望print(re.search('\\d', '\d'))与\d匹配，但答案仍为None。

仅print(re.search('\\\d', '\d'))作为输出<_sre.SRE_Match object; span=(0, 2), match='\\d'>。

有人有解释吗？

Answer 1

混淆是由于反斜杠字符\被用作两个不同级别的转义。首先，Python解释器本身在\模块看到你的字符串之前为re执行替换。例如，\n转换为换行符，\t转换为制表符，等等。要获得实际的\字符，您也可以将其转义，因此{{ 1}}给出一个\\个字符。如果\后面的字符不是已识别的转义字符，则\会被视为任何其他字符并通过，但我不建议这取决于此。相反，请务必将\字符翻倍，即\。

如果你想看看Python如何扩展你的字符串转义，只需打印出字符串即可。例如：

\\

如果s = 'a\\b\tc' print s是汇总数据类型的一部分，例如列表或元组，如果打印该聚合，Python会将字符串括在单引号中并包含s转义符（以规范形式），因此请注意字符串的打印方式。如果你只是在解释器中输入一个带引号的字符串，它也会用引号括起来用＆＃39; \＆＃39;逃逸。

一旦你知道你的字符串是如何被编码的，你就可以考虑\模块将对它做什么。例如，如果要在传递给re模块的字符串中转义\，则需要将re传递给\\，这意味着您需要在引用的Python字符串中使用re。 Python字符串最终会以\\\\结尾，\\模块会将其视为单个文字re字符。

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

Answer 2

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。让我解释一下......

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＆＃39; \＆＃39;是一个正则表达式元字符。

如果＆＃39; \＆＃39;后跟一个公认的Python转义字符（t，n等），然后反斜杠和转义字符将替换为实际的Unicode或8位字符。例如，＆＃39; \ t＆＃39;将替换为选项卡的ASCII字符。否则它会被传递并解释为＆＃39; \＆＃39;字符。

请考虑以下事项。

>>> 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＆＃39; \＆＃39;没有它被Python解释为转义序列。要做到这一点，我们逃避了＆＃39; \＆＃39;与＆＃39; \＃39;。现在，当Python看到＆＃39; \＆＃39;它用一个＆＃39; \＆＃39;替换了两个反斜杠。字符。

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

在Python解释器对两个字符串进行传递后，它们将被传递给re模块的搜索方法。 search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＆＃39; \＆＃39;也是一个特殊的正则表达式元字符，并且被解释为一个在执行re search（）方法时被转义的UNLESS。

考虑以下电话。

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

此处匹配为无。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（）方法正在寻找一个转义＆＃39;在字符串＆＃39; a \ t＆＃39;这不是匹配。

要解决此问题，我们可以告诉search（）方法不解释＆＃39; \＆＃39;作为一个元字符。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，它会看到第一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＆＃39; a \ t＆＃39;，它与字符串2匹配。

另一种让search（）考虑＆＃39; \＆＃39;作为一个字符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，搜索解释了＆＃39; \＆＃39;作为单个字符＆＃39; \＆＃39;而不是元字符，因此与字符串2匹配。

Answer 3

Python自己的字符串解析（部分）以您的方式进行。

如果您想查看re看到的内容，请输入

print '\d'
print '\\d'
print '\\\d'

在Python命令提示符下。您看到\d和\\d都导致\d，后者由Python字符串解析器处理。

如果您想避免任何麻烦，请按照re module documentation的建议使用原始字符串：r'\\d'会导致RE模块看到\\d。

对正则表达式中的反斜杠感到困惑

3 个答案: