对 python 正则表达式字面字符串和模式字符串的一点思考

python 的正则表达式是与 Perl 语言类似的正则表达式匹配操作：

模式和被搜索的字符串既可以是 Unicode 字符串，也可以是 8 位字节串，但是 Unicode 字符串与 8 位字节串不能混用。

（即不能用字节串（ascii 就是字节串）模式匹配 Unicode 字符串，反之亦然；同理，替换操作时，替换字符串的类型也必须与所用的模式和搜索字符串的类型一致）

要匹配一个反斜杠字面值，用户可能必须写成 '\\\\' 来作为模式字符串，因为正则表达式必须为 \\，而每个反斜杠在普通 Python 字符串字面值中又必须表示为 \\。 而且还要注意，在 Python 的字符串字面值中使用的反斜杠如果有任何无效的转义序列，现在会触发 DeprecationWarning，但以后会改为 SyntaxError。

解决办法是对于正则表达式模式（patterns）使用 Python 的原始字符串表示法；在带有 'r' 前缀的字符串字面值中，反斜杠不必做任何特殊处理。 因此 r"\n" 表示包含 '\' 和 'n' 两个字符的字符串，而 "\n" 则表示只包含一个换行符的字符串。 （模式在 Python 代码中通常都使用原始字符串 'r' 表示法）

原始字符串标记：

>>> re.match(r"\W(.)\1\W", " ff ")
<re.Match object; span=(0, 4), match=' ff '>
>>> re.match("\\W(.)\\1\\W", " ff ")
<re.Match object; span=(0, 4), match=' ff '>

当需要匹配一个字符反斜杠，它必须在模式字符串中转义。在原始字符串记法，就是 r"\\"，否则就必须用 "\\\\"：

>>> re.match(r"\\", "\\")
<re.Match object; span=(0, 1), match='\\'>
>>> re.match("\\\\", "\\")
<re.Match object; span=(0, 1), match='\\'>

字面字符串、模式字符串、反斜杠、原始字符表示法 r ：（反斜杠差一个编译级别）

正则表达式用反斜杠字符 ('\') 来转义特殊字符，但是由于单个 \ 不能和分界符引号 " 单独接触，即使有原始字符表示符 r 。

在字面字符串中：

r"\" 是错的，r"\\" == "\\\\"，单个反斜杠只能写成 "\\"，但是如果单个 \ 没有与分界符接触就没事，比如 r"\n"。

在模式字符串中：

r"\\" == "\\\\" ，这同样只表示一个反斜杠，单独的 "\\" 在模式字符中是错的，这是因为正则语法中每个带反斜杠的特殊符号原本都需要转义的，除非有原始字符表示符 r 。比如匹配 Unicode 词语的字符 r"\w" == "\\w"，也就是说在一个正常的特殊字符 "\n" 在模式字符中写成 r"\n" == "\\n"，而在字面字符串中只写成 "\n"。

模式字符串比字面字符串的反斜杠少一个编译级别：

也就是说正则的反斜杠是低一级的 ”未识别状态“，所以一个正常的 "\\" 在字面字符串中表示反斜杠，但在模式字符串中每个都是未识别的，所以变成 "\\\\"，而原始字符 r 的作用就是使反斜杠提升一个 "识别级别"。但是由于字面字符串的 "识别级别" 是比模式字符串高一级的正常级别，所以 r"\n" 在字面字符串中表示一个单斜杠 "\\" 和一个字符 "n"，但在模式字符串中只表示一个换行符。