转义正则表达式字符串

Posted 2023-02-15

【中文标题】转义正则表达式字符串

【英文标题】：Escaping regex string

【发布时间】：2010-09-21 18:43:46

【问题描述】：

我想使用来自用户的输入作为搜索某些文本的正则表达式模式。它有效，但我如何处理用户在正则表达式中放入有意义的字符的情况？

例如，用户想要搜索 Word (s)：正则表达式引擎会将 (s) 作为一个组。我希望它像字符串"(s)" 一样对待它。我可以在用户输入上运行replace，并将( 替换为\(，将) 替换为\)，但问题是我需要替换所有可能的正则表达式符号。

你知道更好的方法吗？

【参考方案1】：

为此使用re.escape() 函数：

4.2.3 re Module Contents

转义（字符串）

返回所有非字母数字反斜杠的字符串；如果您想匹配其中可能包含正则表达式元字符的任意文字字符串，这将非常有用。

一个简单的例子，搜索任何出现的提供的字符串（可选地后跟's'，并返回匹配对象。

def simplistic_plural(word, text):
    word_or_plural = re.escape(word) + 's?'
    return re.match(word_or_plural, text)

【参考方案2】：

你可以使用re.escape():

重新转义（字符串） 返回所有非字母数字反斜杠的字符串；如果您想匹配其中可能包含正则表达式元字符的任意文字字符串，这将非常有用。

>>> import re
>>> re.escape('^a.*$')
'\\^a\\.\\*\\$'

如果您使用的是 不是正则表达式语法的一部分。

如果您使用的是 = 3.3 的 Python 版本，这将转义非字母数字，它们 不是 正则表达式语法的一部分，除了 专门用于下划线(_)。

【参考方案3】：

很遗憾，re.escape() 不适合替换字符串：

>>> re.sub('a', re.escape('_'), 'aa')
'\\_\\_'

一种解决方案是将替换放在 lambda 中：

>>> re.sub('a', lambda _: '_', 'aa')
'__'

因为 lambda 的返回值被 re.sub() 视为文字字符串。

【讨论】：

repl 的参数 re.sub 是一个字符串，而不是一个正则表达式；首先应用re.escape 没有任何意义。

@tripleee 不正确，repl 参数不是简单的字符串，它是被解析的。例如，re.sub(r'(.)', r'\1', 'X') 将返回 X，而不是 \1。

这是转义 repl 参数的相关问题：***.com/q/49943270/247696

3.3 版更改：“_”字符不再转义。在 3.7 版更改：Only characters that can have special meaning in a regular expression are escaped.（为什么花了这么长时间？）

【参考方案4】：

请试一试：

\Q 和 \E 作为锚点

放置一个或条件来匹配一个完整的单词或正则表达式。

参考链接：How to match a whole word that includes special characters in regex