Python正则匹配 -- 匹配一个slash(反斜杠\)很不容易

背景

最后没能逃掉大创划水的结局，现在正在做的工作是把学到的方法写一个界面整合出来。

在界面显示哪些文件是相似度比较高的时候，需要根据前面的查重结果，找到一组一组的重复率高的文件。而之前的查重源码输出的格式是类似这样的：

.\test\1031170418_1_test1.s consists for 91 % of .\test\1032170222_1_work1.s material
.\test\1030415401_1_2333.s consists for 58 % of .\test\1030415629_1_LR.s material```

想要把重复率高的文件组成组，当然去源码里改是可以的，不过因为查重源码毕竟还是用的SIM，改他的输出格式比较麻烦，这里我就干脆根据他的输出文件，正则匹配出两两配对的文件，接下来建图求连通块就行了。

那么问题来了，面对这样的格式，正则匹配式要怎么写？

奥义：双重转义

就光是这里的正则匹配卡了我很久，这大概就是理论到时间的距离把——即使网课有讲过正则匹配，当时仍然没有想清楚匹配模式中的一个细节。通常，匹配模式中使用的字符串都会是原串，也就是r’字符串’的形式，而我之前的匹配式并没有用原串。当我考虑到了反斜杠需要写两次来进行匹配的时候，我对反斜杠的匹配是这样的：

re.complie('\\+')

没有结果。然后我就进行了花式尝试，加小括号加中括号。后来想到了待匹配串中应该是有两个slash，那么这里是不是应该用四个？用了四个果然对了，但是思路却并没有对。

真正的原因是，Python的字符串本身是会经历一次转义的，’\‘其实只是一个slash。而在re.compile的时候，字符串又会进行转义，所以，这里的’\+'经过两次转义之后，就变成了+，对，这个模式匹配的只是一个加号而已。

那么总结起来也非常简单，就是以后进行正则模式匹配的时候，都使用r’字符串’这样的原始字串，这样就只需要考虑一重转义就可以了。