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

推荐阅读更多精彩内容