正则表达式 反斜杠的匹配 2018-11-30

Posted 2021-01-23 qiulinzhang

问题引入：

在学习正则表达式的过程中，遇到了一直无法正确匹配反斜杠，初始使用的是下面两种方法：

• 使用普通字符串，匹配一个反斜杠，需要再用一个反斜杠来转义：\
• 使用带r的原始字符串，这样就不用再转义：r‘‘

使用上面两种方法一直无法匹配 45 中的反斜杠，最终经过查询，发现自己理解错误，字符串存在转义，正则也存在转义

1. 字符串转义：

在字符串中，我们会用一反斜杠加特定的字符来表达一些特定的功能，比如， 表示换行，"表示双引号等等，而如果要输出反斜杠本身，则用\如下所示：

>>> str=""Hello\
World""
>>> print(str)
"HelloWorld"

可以看到，先是"被转义成了一个双引号"，然后是\转义成，然后 转义为换行，最后是"转义成". (这里不会二次转义，比如\n，只会转义成 ，不会再次将 转义成换行)

但当你在字符串前面加一个r，表示初始字符串，此时解释器将不对字符串里面的特殊字符进行转义，最外层双引号里面是什么内容，即为什么样的内容，所见即所得

>>> str=r""Hello\
World""
>>> print(str)
"Hello\
World"

2. 正则转义：

在正则表达式中会使用一些通配符，比如w表示匹配字母，数字或者下划线；s表示空白字符；d匹配数字
因此，若要实现正则转义，首先要保证模式字符串里面有反斜杠：

• 比如字符串 ，里面就没有反斜杠，因为反斜杠连同后面的 n 已经被字符串转义成 换行；
• 字符串d，这里面是存在反斜杠的，因为字符串转义里面d没有特定功能，所以仍然保留d，然后正则转义在根据得到的d进行转义，得到数字匹配。
• 对于使用原始字符串r的，此时就是将整个初始字符串传给模式字符串；比如r‘ ‘，此时就是将整个 传递给正则表达式

>>> x = re.compile(‘
‘) #先是字符串转义成回车，匹配回车
>>> print(x.search(‘abc
abc‘)) #提供的是 回车
<re.Match object; span=(3, 4), match=‘
‘> # 因此能匹配到

>>> x = re.compile(r‘
‘) #匹配 
 2个字符
>>> print(x.search(‘abc
abc‘)) #提供的是 回车，即 
 2个字符 
<re.Match object; span=(3, 4), match=‘
‘> #因此能匹配到
>>> print(x.search(r‘abc
abc‘)) #提供的是正则里面的 
 两个字符，会被回转成 \n
None

>>> x = re.compile(‘\n‘) #匹配 
 两个字符
>>> print(x.search(r‘abc
abc‘)) #提供的是正则里面的 
 两个字符，会被回转成 \n
None

>>> x = re.compile(r‘\n‘)  #匹配 \n 三个字符
>>> print(x.search(r‘abc
abc‘)) #提供的正则里面的 
两个字符，会被回转成 \n 
<re.Match object; span=(3, 5), match=‘\n‘> #因此能匹配到

3. 总结：

因此，正则表达式的解释分为两部分：

• 第一步，字符串进行转义，将转义后的结果传给模式字符串
• 第二步，正则对得到的模式字符串进行转义，然后再进行匹配

实例：匹配类似于 48 这样的串
可以分析：

• 如果前面没有r, 先匹配数字，正则里面需要d+，因此字符串里面需要提供\d+（先在字符串中将\转义为, 然后再与d+一起传给正则表达式）或者d+(因为在字符串里面d不代表其他含义，因此会将d直接传给正则表达式)，再匹配反斜杠，正则里面需要\, 则字符串转义需要使用\\；最后再是后面的数字：\d+
• 如果有r，则无需进行字符串转义，因此正则里面需要反斜杠只需提供供正则转义的\即可；因此为r‘d+\d+‘

>>> x=re.compile(‘d+\\d+‘)
>>> print(x.search(‘38‘))
<re.Match object; span=(0, 3), match=‘3\8‘>

>>> x=re.compile(r‘d+\\d+‘)
>>> print(x.search(‘38‘))
None
>>> x=re.compile(r‘d+\d+‘)
>>> print(x.search(‘38‘))
<re.Match object; span=(0, 3), match=‘3\8‘>

-----------------------------------------------------------------------------------------------------------
下面注意一个小问题：
用以上的正则表达式来查询35是查询不到的，比如：

>>> x=re.compile(‘\d+\\\d+‘)
>>> print(x.search(‘35‘))
None
>>> print(x.search(‘38‘))
<re.Match object; span=(0, 3), match=‘3\8‘>

不仅如此，3/1, 3/2``3/3, 3/4, 3/5, 3/6, 3/7,都查不到
但是，3/8, 3/9可以查询到，接着 3/10查询不到

因此可以判断出这个肯定是与8有关的，反斜杠后面的数值不能超过8
经过查询发现，反斜杠加8进制数字表示转义字符：

转义字符以反斜‘‘开头，后面跟一个字符或一个八进制或十六进制数表示

>>> print(‘101‘) #101即10进制的65
A

-----------------------------------------------------------------------------------------------------------
因此查询不到的原因是被5被解释器自动转义了，而我们这里不需要对其进行转义，因此可以在字符串前面加一个r

>>> x=re.compile(‘\d+\\\d+‘)
>>> print(x.search(‘310‘))
None
>>> print(x.search(r‘310‘))
<re.Match object; span=(0, 4), match=‘3\10‘>
>>> print(x.search(r‘35‘))
<re.Match object; span=(0, 3), match=‘3\5‘>

-----------------------------------------------------------------------------------------------------------

参考：Python正则表达式匹配反斜杠“”