【python之re模块学习第3天】正则表达式的应用：转义及原生字符串

1 python的转义

1. 含义：转义字符是一个计算机专业词汇，在python里用反斜杠\表示转义字符。
2. 功能：在计算机当中，我们可以写出123 ，也可以写出字母abcd，但有些字符我们无法手动书写，比如我们需要对字符进行换行处理，但不能写出来换行符，当然我们也看不见换行符。像这种情况，我们需要在字符中使用特殊字符时，就需要用到转义字符。
3. 例子：在下述代码中，用\n表示换行符；用\'表示将单引号作为字符输出，此时单引号不具备闭合字符串功能；用\"将双引号作为字符输出，此时双引号不具备闭合字符串功能；在\\中，第一个反斜杠表示的是转义，第二个表示的是被转义的对象是一个反斜杠，将第二个反斜杠作为字符输出，该反斜杠不具备转义功能。

#例子1
print('hello\nworld')
#输出如下，两个单词间将存在换行符
#hello
#world

#例子2
print('\',\"')
#输出结果为 ',"

#例子3
print('\\')
#输出结果为 \

4. 常见的转义功能：

转义字符	描述
\在行尾	续行符
|反斜杠符号
’	单引号
"	双引号
\a	响铃
\b	退格（Backspace）
\000	空
\n	换行
\v	纵向制表符
\t	横向制表符
\r	回车
\f	换页
\0yy	八进制数，yy代表的是字符，例如\012代表的是换行，其中0是数字0
\xyy	十六进制数，yy代表的是字符，例如\x0a代表的是换行
\other	其他字符以普通格式输出

2 正则表达式的转义

1. 如果使用正则表达式匹配特殊字符，需要加上反斜杠\来表示转义。
2. 需要转义的特殊字符包括各个元字符：*、+、?、^、$、[、]、(、)、{、}、|、\，另外需要注意的还有\d、\D、\w、\W、\s、\S、\A、\Z、\b、\B。
3. 过程：正则过程中，匹配模式的字符串需要先经过python解析（能转义的会先转义），其解析结果才是匹配模式的内容。
   python字符串 ====》  正则匹配模式  ====》  匹配目标字符串
   ‘\d+\\\d+’    ====》    ‘\d+**\d+’   ====》   ‘2**16’
   ‘\d+**\d+’   ====》   ‘\d+**\d+’   ====》   ‘2**16’
   ‘\\\\’       ====》    ‘\\’     ====》   ‘ggg\ggg’

2.1 python本身不转义的符号

1. 包括：*、+、?、^、$、[、]、(、)、{、}、|、\d、\D、\w、\W、\s、\S、\A、\Z、\B
2. 由于python对字符串'\d'不会有转义效果出现，而对'\\d'会先将反斜杠进行转义，转义后其内容与前者一致，所以匹配结果一致。
3. 例子：

import re
print(re.findall('\d+\*\*\d+','2**16'))				#输出 ['2**16']
print(re.findall('\\d+\\*\\*\\d+','2**16'))			#输出 ['2**16']，与上进行对比。
print(re.findall('-?\d+.?\d*','12 -36 -28.2 1.34'))	#输出 ['12 ', '-36 ', '-28.2', '1.34']

2.2 python本身转义的符号

1. 包括：\、\b
2. 缺点：理解不直观。
3. 在正则表达式中，匹配模式是采用字符串来描述的，如果是要匹配字符串中的反斜杠，匹配模式的写法就会很混乱，需要写4个反斜杠。
4. 首先是python对这个字符串的解析，第1和第3个反斜杠作为转义字符，第2和第4个作为被转义字符，也就是python将该字符串解析为两个反斜杠，也就是匹配模式其实内容是两个反斜杠。
5. 然后在正则函数使用时，匹配模式的第一个反斜杠作为转义字符，表示要找到被转义的内容，也就是一个反斜杠。

import re
print(re.findall('\\\\','qqq\gqqq'))			#输出['\\']，输出结果的第一个符号表示的是转义，其实是匹配到一个反斜杠
print(re.findall('\\\\','qqq\\gqqq'))			#输出['\\']，\\被python解析为一个反斜杠，所以没有匹配到。
print(re.findall('\\\\','qqq\agqqq'))			#输出[]，\a被python解析为响铃符号，不是反斜杠，所以没有匹配到。

print(re.findall('\bis\b',"This is a test."))	#输出[]，因为\b先被转义成退格符，相当于该语句是匹配目标字符串中的退格符。
print(re.findall('\\bis\\b',"This is a test."))	#输出['is']

3 原生字符串

1. Python中字符串前面加上 r 表示原生字符串，python对于原生字符串不会进行转义，也就是所见及所得。
2. 与上述例子对比理解原生字符串的输出。

print(r'hello\nworld')	#输出 hello\nworld
print(r'\',\"')			#输出 \',\"
print(r'\\')			#输出 \\

3. 正则表达式中原生字符串的应用的优点：避免了多重转义带来的书写和理解上的麻烦。

import re
print(re.findall(r'\\',r'qqq\gqqq'))			#输出['\\']
print(re.findall(r'\\',r'qqq\\gqqq'))			#输出['\\', '\\']
print(re.findall(r'\\',r'qqq\agqqq'))			#输出['\\']，因为\a不再进行转义

print(re.findall(r'\bis\b',r"This is a test."))	#输出['is']
print(re.findall(r'\\bis\\b',r"This is a test."))	#输出[]，相当于是匹配\bis\b。

4 总结

1. 掌握python对字符串的转义规则；
2. 掌握正则表达式的转义规则；
3. 理解当python和正则双重转义的顺序及其影响；
4. 理解原生字符串的优点并掌握其使用方法。

参考文献

1. 《RE正则表达式模块（Python视频教程）》
2. 《RE正则表达式模块（Python视频教程）》