python 正则表达式中反斜杠()的麻烦和陷阱

Posted 2021-02-07 leo21sun

这里是一点小心得：由于下面两个原因，在正则表达式中使用反斜杠就会产生了一个双重转换的问题。 (1)、python自身处理字符串时，反斜杠是用于转义字符

(2)、正则表达式也使用反斜杠来转义字符

 

    要匹配字符串中1个反斜杠应该怎么写正则表达式？"\"，这样行吗？试试就知道了，re模块抛异常了，因为在正则表达式中，"\"就是一个反斜杠，对于正则表达式解析器来说，是一个转义字符，但是后面啥也没有，自然就报错了，"\"三个肯定是不行的，试试四个"\\"，完美匹配。

 

代码如下: import re re_str_patt =  "\\" reObj = re.compile(re_str_patt) str_test = "abc\cd\hh" print  reObj.findall(str_test) 输出：[‘\‘,  ‘\‘]

备注：

      1、第二行代码只使用了python非原生字符串，所以它在正则表达式中表示的是一个反斜杠。（即四合一）

     2、由于python字符串中，反斜杠表示转义，所以第四行代码中的字符串表示的是：

        abc后是一个反斜杠，然后接cd，再接一个反斜杠，然后是hh

      3、代码段输出的是一个列表，列表中有两个元素。每一个元素都是一个字符串(python中的字符串)，

        所以列表的第一个元素实际是表示一个反斜杠，同样，列表的第二个元素也是表示一个反斜杠。

     4、输出也可能是这样的：[r‘‘,  r‘‘] 两种输种输出效果是一致的。

 

 

代码如下改动：

 

import re re_str_patt =  r"\\" reObj = re.compile(re_str_patt) str_test = "abc\cd\hh" print  reObj.findall(str_test)
输出：[]

备注: 1、第二行代码改成了原生字符串，此时正则表达式要匹配的则是两个连续的反斜杠。（即二合一）

       2、第四行代码中的字符串表示的是：abc后是一个反斜杠，然后接cd，再接一个反斜杠，然后是hh。

       3、所以没有匹配的内容，输出为一个空列表。

 

      对于第一段代码要这么理解，首先第一重转换是字符串自身的转义，那么"\\"，实际上就是表示两个反斜杠（两个字符），然后传入正则表达式解析器，因为反斜杠依然是转义字符，那么进行第二重转换，两个反斜杠就代表一个反斜杠，所以就能和一个反斜杠进行匹配了，那么匹配连续的两个反斜杠，写正则表达式时就要写8次""了，相当壮观。d+在正则表达式里面表示匹配连续1一个以上的数字字符,可是如果想匹配：一个反斜杠，后接字母d，再接一个加号 ，这个字符串怎么写呢？(答案："\\d\+")

代码如下:

import re re_str_patt = "\\d\+" print  re_str_patt reObj = re.compile(re_str_patt) print reObj.findall("\d+")

 

输出：\d+       [‘\d+‘]

 

     写成re_str_patt =  "\\d+"也行，因为+对于字符串来说，没有转义意义，所以就当成一个反斜杠了。 在python中写正则表达式时用得最多的是raw字符串，原生字符串，什么意思？就是只有一重转换了，没有字符串转换了，只在正则表达式内部进行转换了，这样匹配一个反斜杠的正则表达式可以这样写，re_str_patt  = r"\"。

 

     有人会想，以后写windows的文件路径什么的方便了，呵呵直接 path =  r"c:myforderxx" 搞定，是的，这句没有问题，但是如果你写成 path =  r"c:myforderxx"，直接报错了，为什么？因为反斜杠虽然不作为转义字符了，但是还是对它后面的引号（包括单引号）有影响，使这个引号不被视为字符串的终止，以为它后面还有字符，但是实际没有，因此会报错。

 

    其实可以反过来想raw字符串里面要表示引号怎么办呢？，可以发现 path = r"\123"xxx"  是可以的，那用raw字符串岂不是有局限性？不过raw在设计之初就是用来支持正则表达式的，而在正则里面反斜杠是转义字符，所以不可能出现在字符串的末尾的，所以建议不要图方便在其他的地方使用raw。

 

参考资料：

　　http://blog.sina.com.cn/s/blog_5ee725480101bgjo.html