正则转义和字符串转义

正则匹配时，若要匹配特殊字符如方括号[ ]，需先对字符串做字符串转义，再做正则转义。用re.escape可实现上述转义。

 

在学习Python正则式的过程中，有一个问题一直困扰我，如何去匹配一个反斜杠（即“\”）？

 

 

一、引入

 

在学习了Python特殊字符和原始字符串之后，我觉得答案应该是这样的：

1）普通字符串：'\\'
2）原始字符串：r'\'
但事实上在提取诸如“3\8”反斜杠之前的数字时，我屡次碰壁，始终得不到结果。最终发现自己理解错了，原来 原始字符串和“正则转义”没有一点关系；下面详细谈一谈。

 

 

二、字符串转义

 

反斜杠，在Python中比较特殊，就是它可以用来构成一些特殊字符，比如“\n”表示换行，“\t”表示制表符。下面是使用“\n”的一行代码：

print 'Hello\World\nPython'

结果为：
“Hello\World
Python“

可以看到其中的“\n”已转义为换行符，而“\W”没有发生转义，原因是“\W”在“字符串转义”中并不对应着特殊字符，没有特殊含义。

 

如果现在要求变了，要求不对“\n”转义为换行，而是原封不动输出为“Hello\World\nPython”，该怎么办呢？

 

1）可以这样写“Hello\World\\nPython”，这样输出的时候，“字符串转义”会把“\\”转义为“\”；

2）也可使用另一种方法：原始字符串；原始字符串（即r'...'）：字符串中所有字符都直接按照字面意思来使用，不转义特殊字符。

下面是使用原始字符串的代码：

print r'Hello\World\nPython'

结果为：
“Hello\World\nPython”
可以清楚看到，在使用原始字符串之后，“\n”未被转义为换行符，而是直接被输出了。

 

 

三、正则转义

 

好了，上面讲的只是“字符串转义”。同理，在正则表达式中也存在转义，我们姑且先称其为“正则转义”，其与“字符串转义”完全不同，比如“\d”代表数字，“\s”代表空白符。下面我们先编写开头的例子，然后再分析。

提取“3\8”反斜杠之前的数字：

1. #!/usr/bin/env python

2. # coding=utf-8

3.  

4. import re

5.  

6. string = '3\8'

7. m = re.search('(\d+)\\\\', string)

8.  

9. if m is not None:

10. print m.group(1) # 结果为：3

11.  

12. n = re.search(r'(\d+)\\', string)

13.  

14. if n is not None:

15. print n.group(1) # 结果为：3

正则表达式字符串需要经过两次转义，这两次分别是上面的“字符串转义”和“正则转义”，个人认为“字符串转义”一定先于“正则转义”。

1）'\\\\'的过程：
先进行“字符串转义”，前两个反斜杠和后两个反斜杠分别被转义成了一个反斜杠；即“\\|\\”被转成了“\|\”（“|”为方便看清，请自动忽略）。“字符串转义”后马上进行“正则转义”，“\\”被转义为了“\”，表示该正则式需要匹配一个反斜杠。

2）r'\\'的过程：
由于原始字符串中所有字符直接按照字面意思来使用，不转义特殊字符，故不做“字符串转义”，直接进入第二步“正则转义”，在正则转义中“\\”被转义为了“\”，表示该正则式需要匹配一个反斜杠。

 

 

四、结论

 

也就是说原始字符串（即r'...'）与“正则转义”毫无关系，原始字符串仅在“字符串转义”中起作用，使字符串免去一次转义。

也许有哥们会问，为什么“\d+\\\\”中的“\d+”即使没用原始字符串，也没出现什么问题。那是因为在做“字符串转义”时，“\d”并不对应特殊字符，所以顺利的留到了“正则转义”时再处理，在“正则转义”中其表示数字。

 

 

参考自《Python核心编程》第二版，如有不恰当的地方，还望包容和指出，感谢。