Python正则表达式中转义字符用法小结

（一）前言

最近在学习python中的正则表达式，最开始对于匹配一个数字字符可以用'\d'来进行匹配，在调用re.compile()方法时，可以调用re.compile(r'\d')，即使用原始字符串传入，或者re.compile('\\d')传入(转义以后就是'\d')。但是后来突然发现使用re.compile('\d')时，结果也是一样的，接着就有了此文对转义字符及其在正则表达式的使用的学习记录。

（二）转义字符

所有的ASCII码都可以用“\”加数字（一般是8进制数字）来表示。而C中定义了一些字母前加"\"来表示常见的那些不能显示的ASCII字符，如\0,\t,\n等，就称为转义字符，因为后面的字符，都不是它本来的ASCII字符意思了。下表给出了所有的转义字符：

转义字符	意义	ASCII码值（十进制）
\a	响铃(BEL)	007
\b	退格(BS) ，将当前位置移到前一列	008
\f	换页(FF)，将当前位置移到下页开头	012
\n	换行(LF) ，将当前位置移到下一行开头	010
\r	回车(CR) ，将当前位置移到本行开头	013
\t	水平制表(HT) （跳到下一个TAB位置）	009
\v	垂直制表(VT)	011
\\	代表一个反斜线字符''\'	092
\'	代表一个单引号（撇号）字符	039
\"	代表一个双引号字符	034
\?	代表一个问号	063
\0	空字符(NUL)	000
\ooo	1到3位八进制数所代表的任意字符	三位八进制
\xhh	十六进制所代表的任意字符	十六进制

注意：

1. 区分，斜杠："/" 与 反斜杠："\" ,此处不可互换

2. \xhh 十六进制转义不限制字符个数 '\x000000000000F' == '\xF' [3] 

(以上内容来自百度百科)

3、如果一个'\'后出现一个字符，且不是可以转义的字符，那么'\'及其后面的字符不会被转义

（三）原始字符串

如果一个字符串使用了r来进行标志，那么这个字符串的所有字符字符将不会被转义，保持原始的字符，如：

#a=r'\n' 相当于 a='\\n'
print(r'\n'=='\\n')     #结果为True
#说明：
#     r'\n'表示两个字符('\'和'n')
#     '\\n'也表示两个字符，'\\'转义后为'\'，后面'n'不变
#     即转义只会转义一次

#a=r'\d' 相当于 a='\d'
print(r'\d'=='\d')      #结果为True
#说明：
#     \d不是转义字符所以二者一样

（四）正则表达式中的转义字符

回归最初始的问题，为什么r'\d'和'\d'是一样的现在就可以解释了，因为二者就是表示的相同的字符串，均为'\d'

那么'\\d'呢？这么来看，首先，在字符串中'\\d'被解释为'\d'，然后再re.compile()中被解释为数字的分类，所以r'\d'，'\d'，'\\d'在正则表达式中的意义是一样的，这里是\d不是转义字符，下面我们对一个转义字符进行分析。

对于r'\n'，'\\n'，'\n'又是如何呢？r'\n'在字符串中被解释为两个字符('\'和'n')，然后再re.compile()中又被解释一次，故实际在正则表达式中的意义为<匹配一个换行符>；'\\n'和r'\n'一样，在字符串中被解释为两个字符('\'和'n')，故在正则表达式中的意义也为<匹配一个换行符>；对于'\n'，在字符串中的意义为'换行符'，这个在re.compile()中不需要再被解释，故也是<匹配一个换行符的意思>

str1='123456\n123'
test1=re.compile(r'\n')
test2=re.compile('\\n')
test3=re.compile('\n')
print(test1.findall(str1),test2.findall(str1),test3.findall(str1))
#结果均可以匹配到换行符'\n'

上面的'\n'和'\d'在re.compile()中均可以被解释，我们再看看一个不可被解释的字符，如r'\p'，'\\p'，'\p'的结果是怎样的呢？结果均为报错，因为r'\p'，'\\p'，'\p'在字符串中的意思都是两个字符('\'和'p')，'\p'接着在re.compile()中不可被解释于是会报错(这和字符串中解释有一定区别，字符串中不能解释就不会解释)

（五）如何匹配'\d'(不解释为<匹配数字>)，'\n'(不解释为<匹配换行符>)以及'\p'<不能被转义以及被解释的字符>

①对于'\d'，若需要不被解释为<匹配数字>，则传入re.compile()的字符串s在经过解释时不应该解释为'\d'，而应该是一个'\'和一个'd'，这样我们显然想到如果s为'\\d'，那么s在re.compile()中就会被解释为'\d'(不会再被解释)。那么我们这么得到s呢？最简单的方法就是用原始字符串r'\\d'即表示'\\d'，传入即可。如果不使用原始字符串，我们还可以使用'\\\d'和'\\\\d'来表示：'\\\d'中前两个'\'在字符串中被解释为'\'，而后面的'\d'不变；'\\\\d'中依次两个'\'被解释为一个'\'故最终的结果也是'\\d'，测试如下：

s='xx123\d456'
test1=re.compile(r'\\d')
test2=re.compile('\\\d')
test3=re.compile('\\\\d')
print(test1.findall(s),test2.findall(s),test3.findall(s))
#结果为['\\d'] ['\\d'] ['\\d']
#单个的'\'在字符串中表示为'\\'

②对于'\n'的情况与上述情况有一定的区别，首先被匹配的字符串里面需要有'\n'<不被解释为换行符>，这个我们可以用原始字符串或者用'\\n'表示。接着，对于s=r'\\n'以及s='\\\\n'在传入re.compile()以后的意义即'\\n'，在re.compile()中被解释为一个'\'和一个'n'；而对于s='\\\n'，在字符串中前两个'\'会被解释为一个'\'，后面的'\n'被解释为换行符，故在re.compile()中'\\\n'被解释为一个'\'和一个换行符，测试如下：

s='xx123\\n456'
test1=re.compile(r'\\n')
test2=re.compile('\\\n')
test3=re.compile('\\\\n')
print(test1.findall(s),test2.findall(s),test3.findall(s))
#结果为['\\n'] [] ['\\n']
#单个的'\'在字符串中表示为'\\'
#'\\\n'在字符串的意义为'\'+<换行符>
#    但是'\'在re.compile()中又会对后面的<换行符>进行转义--这里存在疑问
#    但是re.compile('\\\n')最终能匹配的结果为<换行符>
#若要匹配到'\'+<换行符>，可以进行如下操作
s='xx123\\\n456'
#s中\\\n被解释为'\'+<换行符>
test2=re.compile('\\\\\n')
#'\\\\\n'中的前四个'\'被解释为'\\'
#接着'\\'在re.compile()被解释为'\'
print(test2.findall(s)) 
#结果为['\\\n']，前面两个'\'表示一个'\'，后面为一个换行符'\n'

③如果要匹配'\p'的话，其分析过程铜'\d'，不再进行具体的说明。

（六）总结

仅作学习的记录，用词以及内容难免有不规范与纰漏，欢迎讨论与指正^_^