正则表达式 反斜杠的匹配 2018-11-30
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 4\5 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,\n
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\\\nWorld\""
>>> print(str)
"Hello\
World"
可以看到,先是\"
被转义成了一个双引号"
,然后是\\
转义成\
,然后\n
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\n
,不会再次将\n
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\\\nWorld\""
>>> print(str)
\"Hello\\\nWorld\"
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
\n
,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'\n'
,此时就是将整个\n
传递给正则表达式
>>> x = re.compile('\n') #先是字符串转义成回车,匹配回车
>>> print(x.search('abc\nabc')) #提供的是 回车
<re.Match object; span=(3, 4), match='\n'> # 因此能匹配到
>>> x = re.compile(r'\n') #匹配 \n 2个字符
>>> print(x.search('abc\nabc')) #提供的是 回车,即 \n 2个字符
<re.Match object; span=(3, 4), match='\n'> #因此能匹配到
>>> print(x.search(r'abc\nabc')) #提供的是正则里面的 \n 两个字符,会被回转成 \\n
None
>>> x = re.compile('\\n') #匹配 \n 两个字符
>>> print(x.search(r'abc\nabc')) #提供的是正则里面的 \n 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\nabc')) #提供的正则里面的 \n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 4\8 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('3\8'))
<re.Match object; span=(0, 3), match='3\\8'>
>>> x=re.compile(r'\d+\\\\\d+')
>>> print(x.search('3\8'))
None
>>> x=re.compile(r'\d+\\\d+')
>>> print(x.search('3\8'))
<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3\5
是查询不到的,比如:
>>> x=re.compile('\\d+\\\\\\d+')
>>> print(x.search('3\5'))
None
>>> print(x.search('3\8'))
<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('3\10'))
None
>>> print(x.search(r'3\10'))
<re.Match object; span=(0, 4), match='3\\10'>
>>> print(x.search(r'3\5'))
<re.Match object; span=(0, 3), match='3\\5'>
-----------------------------------------------------------------------------------------------------------