对正则表达式中的反斜杠感到困惑[重复]

问题描述：

我对正则表达式中的反斜杠感到困惑。在正则表达式中，a`具有特殊含义，例如d`表示十进制数字。如果在反斜杠前面添加反斜杠，则此特殊含义会丢失。在regex-howto中，可以阅读：

也许最重要的元字符是反斜杠。与 Python 字符串文字一样，反斜杠后面可以跟各种字符，以表示各种特殊序列。它还用于转义所有元字符，以便您仍然可以在模式中匹配它们；例如，如果您需要匹配`[`或，您可以在它们前面加上反斜杠以删除其特殊含义：[或\。

因此print(re.search('d', 'd'))给出None因为d匹配任何十进制数字但中没有d。

我现在希望print(re.search('\d', 'd'))匹配d，但答案仍然是None。

仅print(re.search('\d', 'd'))提供输出<_sre.SRE_Match object; span=(0, 2), match='\d'>。

有人可以解释一下吗？

解决方案 1：

造成混淆的原因是反斜杠字符在两个不同级别用作转义符。首先，Python 解释器本身在模块看到字符串之前会执行替换re。例如，`
转换为换行符， 转换为制表符等。要获取实际`字符，也可以对其进行转义，因此\会给出单个字符。如果跟在后面的字符不是可识别的转义符，则将像其他字符一样处理并传递，但我不建议依赖这一点。相反，请始终通过加倍字符来转义字符，即\。

如果你想看看 Python 如何扩展字符串转义，只需打印出字符串即可。例如：

s = 'a\\b    c'
print(s)

如果s是聚合数据类型的一部分，例如列表或元组，并且如果您打印该聚合，Python 会将字符串括在单引号中并包含转义符（以规范形式），因此请注意字符串的打印方式。如果您只是在解释器中输入带引号的字符串，它也会将其括在带转义符的引号中。

一旦你知道如何对字符串进行编码，你就可以考虑re模块将如何处理它。例如，如果你想在传递给`re`模块的字符串中进行转义，你需要传递`\`给`re`，这意味着你需要`\\`在引用的 Python 字符串中使用 。Python 字符串将以 结尾`\`，`re`模块会将其视为单个文字字符。

在 Python 字符串中包含字符的另一种方法`是使用原始字符串，例如r'a'相当于"a\b"`。

解决方案 2：

在对 search() 的调用中，正则表达式前面的 r 字符指定正则表达式是原始字符串。这允许在正则表达式中将反斜杠用作正则字符，而不是字符转义序列。让我解释一下...

在 re 模块的搜索方法处理传递给它的字符串之前，Python 解释器会对该字符串进行初始传递。如果字符串中存在反斜杠，Python 解释器必须确定每个反斜杠是否是 Python 转义序列的一部分（例如 \n 或 \t）。

注意：此时 Python 并不关心 '\' 是否是正则表达式元字符。

如果 '\' 后面跟着可识别的 Python 转义字符（t、n 等），则反斜杠和转义字符将被替换为实际的 Unicode 或 8 位字符。例如，'\t' 将被替换为制表符的 ASCII 字符。否则，它将被传递并解释为 '\' 字符。

请考虑以下情况。

>>> s = '    '
>>> print ("[" + s  + "]")
>>> [       ]           // an actual tab character after preprocessing

>>> s = 'd'
>>> print ("[" + s  + "]")
>>> [d]                // 'd' after preprocessing

有时我们希望在字符串中包含包含“\”的字符序列，但又不希望 Python 将其解释为转义序列。为此，我们将“\”转义为“\”。现在，当 Python 看到“\”时，它会将两个反斜杠替换为一个“\”字符。

>>> s = '\\t'
>>> print ("[" + s  + "]")
>>> [    ]                // '    ' after preprocessing

Python 解释器处理完这两个字符串后，会将它们传递给 re 模块的 search 方法。search 方法会解析正则表达式字符串，以识别正则表达式的元字符。

现在 '\' 也是一个特殊的正则表达式元字符，并且被解释为一个，除非它在执行 re search() 方法时被转义。

考虑以下调用。

>>> match = re.search('a\\t','a\\t')        //Match is None

这里，match 为 None。为什么？让我们看看 Python 解释器传递后的字符串。

String 1: 'a    '
String 2: 'a    ' 

那么为什么 match 等于 None 呢？当 search() 解释字符串 1 时，由于它是一个正则表达式，所以反斜杠被解释为元字符，而不是普通字符。然而，字符串 2 中的反斜杠不在正则表达式中，并且已经被 Python 解释器处理过，因此它被解释为普通字符。

因此 search() 方法在字符串“a\t”中寻找不匹配的“a escape-t”。

为了解决这个问题，我们可以告诉 search() 方法不要将 '\' 解释为元字符。我们可以通过转义来实现这一点。

考虑以下调用。

>>> match = re.search('a\\\\t','a\\t')          // Match contains 'a    '

再次，让我们看一下 Python 解释器执行完毕后的字符串。

String 1: 'a\\t'
String 2: 'a    '

现在，当 search() 方法处理正则表达式时，它发现第二个反斜杠被第一个反斜杠转义，因此不应被视为元字符。因此，它将字符串解释为 'a\t'，与字符串 2 匹配。

让 search() 将 '\' 视为字符的另一种方法是在正则表达式前放置一个 r。这会告诉 Python 解释器不要预处理该字符串。

考虑一下。

>>> match = re.search(r'a\\t','a\\t')           // match contains 'a    '

这里 Python 解释器不修改第一个字符串，但会处理第二个字符串。传递给 search() 的字符串是：

String 1: 'a\\t'
String 2: 'a    '

与前面的示例一样，搜索将“\”解释为单个字符“\”而不是元字符，因此与字符串 2 匹配。

解决方案 3：

Python 自身的字符串解析（部分）妨碍了你。

如果你想看看re看到的内容，请输入

print 'd'
print '\\d'
print '\\d'

在 Python 命令提示符下。您会看到d和\d都导致d，后者由 Python 字符串解析器处理。

如果您想避免这些麻烦，请按照re 模块文档的建议使用原始字符串：r'\d'将导致\dRE 模块看到。