正则表达式 \ 和 原生字符串 r
使用python写字符串常量时,raw string是个很好用的东东,比如在C里我要写一个Windows下的路径,得这么
写:
char *path = "C:\\mydir\\myfile.txt";
用"\"来转义成一个反斜杠字符。而在python下用raw string就不用这么麻烦了:
path = r"C:\mydir\myfile.txt"
一个r搞定,是不是很简单?
真的这么简单吗?未必。试试如果要指定一个目录名呢?
>>> path = r"C:\mydir\mysubdir\"
File "<string>", line 1
path = r"C:\mydir\mysubdir\"
^
SyntaxError: EOL while scanning single-quoted string
出错了吧。
这是一个常见的陷阱,在使用raw string时,反斜杠虽然不再做转义用,但它仍然保留了一部分“魔力”——保护字符串。如
>>> print r"abc\"xyz"
abc\"xyz
在反斜杠之后的那个引号由于反斜杠的魔力,不被视为字符串终结。那么对应到开头那个路径r"C:\mydir\mysubdir",最后那个引号也是由于反斜杠的魔力,不被视为终结,python认为其后应该还有东西,结果没有,就报错了。
那岂不是用raw string写Windows路径就很不方便了吗?
答案是:raw string本来就不是为了方便写Windows路径而设计的,而是为了方便写正则表达式设计的。在正则表达式中,反斜杠是转义字符,因此不可能出现以反斜杠结尾的正则表达式。
Windows路径的“正统”写法应该是:
path = os.path.normcase("c:/mydir/mysubdir/")
os.path.normcase在Windows平台下会自动把正斜杠转换成反斜杠。
由于正则表达式使用反斜杠来转义特殊字符,而python自身处理字符串时,反斜杠也是用于转义字符,这样就产生了一个双重转换的问题,要匹配字符串中1个反斜杠应该怎么写正则表达式?"\",这样行吗?试试就知道了,re模块抛异常了,因为"\"就是一个反斜杠,对于正则表达式解析器来说,是一个转义字符,但是后面啥也没有,自然就报错了,"\"三个肯定是不行的,试试四个"\\",完美匹配。
import re
re_str_patt = "\\\\"
reObj = re.compile(re_str_patt)
str_test = "abc\\cd\\hh"
print reObj.findall(str_test)
import re
re_str_patt = "\\\\"
reObj = re.compile(re_str_patt)
str_test = "abc\\cd\\hh"
print reObj.findall(str_test)
输出:['\\', '\\']
这里要这么理解,**首先第一重转换是字符串自身的转义,那么"\\\\",实际上就是表示两个反斜杠(两个字符),然后传入正则表达式解析器,因为反斜杠依然是转义字符,
那么进行第二重转换,两个反斜杠就代表一个反斜杠,所以就能和一个反斜杠进行匹配了**,那么匹配连续的两个反斜杠,写正则表达式时就要写8次"\"了,相当壮观,
要匹配/d+(这个在正则表达式里面表示连续1一个以上的数字字符)这个字符串怎么写呢?
view plaincopy to clipboardprint?
import re
re_str_patt = "\\\\d\\+"
print re_str_patt
reObj = re.compile(re_str_patt)
print reObj.findall("\\d+")
import re
re_str_patt = "\\\\d\\+"
print re_str_patt
reObj = re.compile(re_str_patt)
print reObj.findall("\\d+")
写成re_str_patt = "\\\\d\+"也行,因为\+对于字符串来说,没有转义意义,所以就当成一个反斜杠了。
在python中写正则表达式时用得最多的是raw字符串,**原生字符串,什么意思?就是只有一重转换了,没有字符串转换了,只在正则表达式内部进行转换了**,
这样匹配一个反斜杠的正则表达式可以这样写,re_str_patt =r"\\",有人会想,以后写windows的文件路径什么的方便了,呵呵直接 path = r"c:\myforder\xx"搞定,
是的,这句没有问题,但是如果你写成 path =r"c:\myforder\xx\",直接报错了,为什么?因为反斜杠虽然不作为转义字符了,但是还是对它后面的引号(包括单引号)有影响,
使这个引号不被视为字符串的终止,以为它后面还有字符,但是实际没有,因此会报错。其实可以反过来想raw字符串里面要表示引号怎么办呢?,
可以发现 path= r"\\123\"xxx" 是可以的,那用raw字符串岂不是有局限性?不过raw在设计之初就是用来支持正则表达式的,而在正则里面反斜杠是转义字符,
所以不可能出现在字符串的末尾的,所以建议不要图方便在其他的地方使用raw。![](https://images2017.cnblogs.com/blog/1298672/201801/1298672-20180111171503629-1928228886.png)