与 sub() 操作一起使用时，反向引用指的是哪个组？

Question

以下代码：

>>> text = "imagine a new *world*, a *magic* world"
>>> pattern = re.compile(r'\*(.*?)\*')
>>> pattern.sub(r"<b>\1<\b>", text)

输出：

imagine a new <b>world<\x08>, a <\b>magic<\x08> world

我这里有两个问题，

1.) 我不明白为什么反向引用 '\1' 会更改文本的 magic 部分？ 我读到'\1' 指的是被捕获的第一组。

2.) 为什么 <\b> 输出 <\x08> 即使在使用 'r' 作为前缀之后。 '\n' 不会发生这种情况。

Answer 1

我去了 IRC，那里的人告诉我，每次使用重复匹配字符串捕获一个组时，bacreference 都会被覆盖。

Answer 2

1. sub 替换 all 匹配项，而不仅仅是第一个匹配项。来自文档：

   返回替换最左边不重叠得到的字符串 替换 repl 在字符串中出现的模式。 [...] 这 可选参数count 是模式出现的最大数量 将被替代; count 必须是非负整数。 如果省略或 零，所有出现的都将被替换。

2. \b 是一个转义序列（用于退格）。你应该用另一个\ 来逃避它：

   r'<b>\1<\\b>'
   

   用作：

   In [4]: pattern.sub(r'<b>\1<\\b>', text)
   Out[4]: 'imagine a new <b>world<\\b>, a <b>magic<\\b> world'
   

转义序列在两个不同的时刻被解释：

• python 编译器在创建字节码时，必须决定将哪些字符放入字符串中。
• 由re 引擎执行替换时。

要了解为什么需要双重转义，您可以尝试一次添加一个反斜杠：

In [18]: print(pattern.sub('<b>\\1<\b>', text))
imagine a new <b>world>, a <b>magic> world

In [19]: print(pattern.sub('<b>\\1<\\b>', text))
imagine a new <b>world>, a <b>magic> world

In [20]: print(pattern.sub('<b>\\1<\\\b>', text))
imagine a new <b>world<>, a <b>magic<> world

In [21]: print(pattern.sub('<b>\\1<\\\\b>', text))
imagine a new <b>world<\b>, a <b>magic<\b> world

在[18] 中，\b 由 python 编译器解释，因此在字符串中放入了一个真正的退格字符（如您所见，替换它时会删除之前的 < 字符）

在[19] 中，\\ 被解释为转义的\，但之后，re 引擎发现您要替换包含和转义序列的某些文本并重新解释它，从而产生相同的结果结果为[18]。

在[20] 中，\\ 被解释为转义的\，最后的\b 被解释为退格。结果是，替换时，退格删除了\。

在[21] 中，四个\\\\ 被解释为两个转义序列，re 引擎将其解释为单个\，后跟b（预期结果）。使用四个\ 相当于使用原始字符串文字加一个转义。