何时在正则表达式模式中使用原始字符串？

Posted 2023-02-23

【中文标题】何时在正则表达式模式中使用原始字符串？

【英文标题】：When to use raw strings in regex patterns?

【发布时间】：2017-10-17 11:22:03

【问题描述】：

从regular expression 的文档中，我了解到建议对模式使用“原始”字符串，以确保不以任何特殊方式处理反斜杠：

正则表达式使用反斜杠字符（'\'）表示 特殊形式或允许使用特殊字符而不 调用它们的特殊含义。这与 Python 的使用相冲突 字符串文字中用于相同目的的相同字符；为了 例如，要匹配文字反斜杠，可能必须编写 '\\\\' 作为模式字符串，因为正则表达式必须是\\，并且 每个反斜杠必须在常规 Python 字符串中表示为 \\ 字面意思。

解决方案是使用 Python 的原始字符串表示法 表达模式；反斜杠不以任何特殊方式处理 以 'r' 为前缀的字符串文字。

我想知道其他情况（除了文字反斜杠）可能需要使用原始字符串吗？

【问题讨论】：

几乎所有可以解释为 Python 字符串转义序列的东西......不是吗？

在处理路径时很有用，至少在 Windows 上......例如“C:\Users\Me\Desktop”的行为可能不符合预期。

【参考方案1】：

另一个例子是像\1、\2 这样的序列，它们在 Python 字符串中是八进制转义，但在正则表达式中引用捕获的组。

>>> re.search(r"(\w+) \1", "the the")
<_sre.SRE_Match object; span=(0, 7), match='the the'>
>>> re.search("(\w+) \1", "the the")
>>>