Python字符串和正则表达式中的反斜杠('')问题

Posted 2022-09-27 miaoning

在Python普通字符串中

在Python中，我们用‘\‘来转义某些普通字符，使其成为特殊字符，比如

In [1]: print(‘abc\ndef‘)  # ‘\n‘具有换行的作用
abc
defg

In [2]: print(‘abc\tdef‘)  # ‘\t‘具有制位符的作用                     
abc    defg

 我们还可以用‘\‘来转义特殊字符，使其成为普通字符，比如

In [3]: print(‘abc\\tdef‘)  # 使‘\‘成为一个普通的字符，没有转义作用
abc\tdef

In [4]: print(‘abc\‘tdef‘)  # 使‘‘‘成为一个普通的字符，不再需要和另一半单引号‘‘‘配对                           
abc‘tde

 所以，在python普通字符串中，我们不能以奇数个‘\‘结尾，这样会导致结束的的引号转义成一个纯字符，从而使得这段字符串没有引号来结束。

在Python原生字符串中

我们在字符串前加一个‘r‘来表示原生字符串，比如r‘abc‘。原生字符串中的特殊字符的特殊含义将会被剥夺掉，如下

In [5]: print(r‘abc\ndefg‘)  # ‘\n‘没有换行的作用，仅仅是一个普通的字符串                         
abc\ndefg

In [6]: print(r‘abc\tdefg‘)  # ‘\t‘没有制位符的作用，仅仅是一个普通的字符串                    
abc\tdef

这里有一个奇怪的问题，在原生字符串中，虽然‘\‘成为了一个普通的字符串，但我们同样不能以奇数个‘\‘字符串结尾，这是因为Python正则表达式的原因，在正则表达式中我们将会解释这个问题。

在Python(regular express)正则表达式中

Python正则表达式中会有一些不同，正则表达式中指定了一些元字符(metacharacter)，如下

. ^ $ * + ?   [ ] \ | ( )

 它们都具有特殊的含义，‘\‘也属于元字符。‘\‘既属于Python中的特殊字符，也属于正则中的元字符，所以使用时得非常小心。那么在正则中，‘\‘的作用是什么呢？我们看一个例子

In [7]: re.search(‘.‘, ‘sd.f‘)                             
Out[7]: <_sre.SRE_Match object; span=(0, 1), match=‘s‘>

In [8]: re.search(‘\.‘, ‘sd.f‘)                            
Out[8]: <_sre.SRE_Match object; span=(2, 3), match=‘.‘>

In [9]: re.search(‘\n‘, ‘sdfd\nfds‘)                       
Out[9]: <_sre.SRE_Match object; span=(4, 5), match=‘\n‘>

"""
‘.‘作为一个元字符，它的特殊含义是匹配任意一个字符，而当我们在其前面加‘\‘后，它的特殊含义消失了，匹配到的是‘.‘；而且‘\‘依然可以把Python中某些字符转义成特殊字符。
"""

所以，‘\‘的作用是剥夺元字符的特殊含义，使其成为一个Python字符，所以它还是会具有在Python普通字符串中的转义作用，比如‘\n‘依然表示换行。所以，‘\‘既是正则中的一个元字符，又是Python中的一个特殊字符。那么我们该如何匹配到纯字符‘\‘(无任何特殊意义)？

在正则中，‘\‘的作用是把元字符转义成Python字符串文字(a Python string literal)，所以正则中的‘\\‘其实是其实是Python字符中的‘\‘，它仍然还具有转义作用，所以在正则中我们还得对每个‘\‘再进行转义一次，即‘\\\\‘，这样就可以匹配到纯字符‘\‘了。看下面例子

In [10]: re.search(‘\\\\‘, ‘fsd\nfds‘)  # 目标字符串中没有纯字符‘\‘，所以匹配为空

In [11]: re.search(‘\\\\‘, ‘fsd\\nfds‘)                                         
Out[11]: <_sre.SRE_Match object; span=(3, 4), match=‘\\‘>  # Python字符串中，‘\\‘就是纯字符‘\‘

在re中反复的使用‘\‘，这可能会生成大量的连续的反斜杠，从而导致某些字符串难以理解。解决的办法是用Python原生字符串来书写正则表达式，如下

In [12]: re.search(r‘\\‘, ‘fsd\\nfds‘)  # 两个‘\\‘就可以匹配到纯字符‘\‘
Out[12]: <_sre.SRE_Match object; span=(3, 4), match=‘\\‘>

 另外，当我们用原生字符串来书写正则表达式时，Python字符中的特殊字符依然有效，比如

In [13]: re.search(r‘\n‘, ‘fsd\nfds‘)                                           
Out[13]: <_sre.SRE_Match object; span=(3, 4), match=‘\n‘>

"""
在Python字符中，r‘\n‘仅仅表示纯字符串‘\n‘，没有换行的作用；在正则中，r‘\n‘依然还有换行的作用。所以此时我们不能用奇数个‘\‘来结尾某个正则表达式，这样导致结束的引号被转义成一个纯字符，无结束符号。所以，在Python原生字符串中，我们也同样规定不能用奇数个‘\‘来结尾。
"""