【问题标题】:python "re" package, strange phenomenon with "raw" stringpython“re”包,带有“raw”字符串的奇怪现象
【发布时间】:2011-06-28 00:52:59
【问题描述】:

我看到以下现象,似乎无法弄清楚,并且通过档案搜索没有找到任何东西:

如果我输入:

>>> if re.search(r'\n',r'this\nis\nit'):<br>
...     print 'found it!'<br>
... else:<br>
...     print "didn't find it"<br>
... 

我会得到:

didn't find it!

但是,如果我输入:

>>> if re.search(r'\\n',r'this\nis\nit'):<br>
...     print 'found it!'<br>
... else:<br>
...     print "didn't find it"<br>
... 

然后我会得到:

found it!

(第一个在 r'\n' 上只有一个反斜杠,而第二个在 r'\\n' 上连续有两个反斜杠......即使这个解释器正在删除其中一个。)
我可以猜到发生了什么,但我不明白为什么会发生这种情况的官方机制:在第一种情况下,我需要转义两件事:正则表达式和特殊字符串。 “Raw”让我可以转义特殊字符串,但不能转义正则表达式。

但是第二个字符串中永远不会有正则表达式,因为它是被匹配的字符串。所以只需要逃一次。

但是,有些事情对我来说似乎不一致:我应该如何确保字符 REALLY ARE 在第一种情况下按字面意思理解?我可以输入 rr'' 吗?还是我必须确保我两次逃脱? 同样,我如何确保变量是按字面意思理解的(或者 NOT 是按字面意思理解的)?例如,如果我有一个变量 tmp = 'this\nis\nmy\nhome',并且我真的想找到斜杠和 'n' 的字面组合,而不是换行符,该怎么办?

谢谢!
迈克

【问题讨论】:

  • "在类似的情况下,我如何确保变量按字面意思理解(或不按字面意思理解)?例如,如果我有一个变量 tmp = 'this\nis\nmy \nhome',我真的很想找到斜线和'n'的字面组合,而不是换行符?”然后你会搜索r'\\\\n',我想。
  • re.search(r'\\\n',r'this\nis\nit') 不应该匹配 btw,re.search(r'\\n',r'this\nis\nit') 应该。
  • @junjanes 我也知道了。似乎有人编辑了问题并意外添加了第三个斜线。我已经恢复了它。现在说得通了。
  • 我不得不添加第三个 \,因为当我第一次提交它时,stackoverflow 正在删除其中一个...因此进行了编辑。我知道无论我如何提交它都会令人困惑。

标签: python regex


【解决方案1】:
re.search(r'\n', r'this\nis\nit')

正如您所说,“第二个字符串中永远不会有正则表达式。”所以我们需要以不同的方式看待这些字符串:第一个字符串是一个正则表达式,第二个只是一个字符串。通常你的第二个字符串不会是原始的,所以任何反斜杠都是 Python 转义,而不是正则表达式转义。

所以第一个字符串由文字“\”和“n”组成。这被正则表达式解析器解释为换行符(docs:“Python 字符串文字支持的大多数标准转义也被正则表达式解析器接受”)。因此,您的正则表达式将搜索换行符。

您的第二个字符串由字符串“this”后跟文字“\”和“n”组成。所以这个字符串不包含实际的换行符。您的正则表达式不匹配。

至于你的第二个正则表达式:

re.search(r'\\n', r'this\nis\nit')

此版本匹配,因为您的正则表达式包含三个字符:一个文字“\”,另一个文字“\”和一个“n”。正则表达式解析器将两个斜杠解释为单个“\”字符,后跟一个“n”。因此,您的正则表达式将搜索一个“\”,后跟一个“n”,它可以在字符串中找到。但这不是很有帮助,因为它与换行无关。

您最可能想要的是从第二个字符串中删除r,从而将其视为普通的 Python 字符串。

re.search(r'\n', 'this\nis\nit')

在这种情况下,您的正则表达式(和以前一样)正在搜索换行符。而且,它找到了,因为第二个字符串包含单词“this”,后跟一个换行符。

【讨论】:

  • 感谢您的澄清!我确实了解发生了什么,但我不了解具体情况。更具体地说:我想确保我的代码中没有捕获“奇怪的字符”。因此,我想确保要检查的字符串(第二个字符串)中没有换行符、制表符等。所以在这种情况下,假设我正在测试的字符串是“temp”,我将如何测试字符串?例如,我可以这样做:if re.search(r'\n',temp) 来测试 temp 中的换行符吗?如果 temp 中有一个“\n”,但作为文字“\”+“n”怎么办......我不明白 Python 是如何区分的。
  • 好吧,如果temp 是一个字符串变量,那就没问题了。转义仅与 string literals 相关——即源代码中字符串的实际引用表示。如果你有一个包含字符串的变量,那么就没有转义。只有换行符、反斜杠字符和“n”字符。如果temp 中有一个换行符(ASCII 10),那么您的正则表达式会找到它。如果temp 有一个反斜杠(ASCII 92)然后是一个“n”(ASCII 110),那么您的正则表达式将找不到换行符。使用map(ord, temp)查看temp中的ASCII值,应该会一目了然。
  • @mguica 非常感谢!您上面的评论非常详细和清晰,这正是我所需要的。 :)
【解决方案2】:

转义字符串文字中的特殊序列是一回事,转义正则表达式特殊字符是另一回事。行字符串修饰符只影响前者。

从技术上讲,re.search 接受两个字符串并将第一个字符串传递给带有re.compile 的正则表达式生成器。编译的正则表达式对象用于搜索简单字符串中的模式。第二个字符串永远不会被编译,因此它不受正则表达式特殊字符规则的约束。

如果正则表达式生成器在处理字符串文字后收到\n,它会将此序列转换为换行符。如果您需要匹配序列,您还必须转义它。

这背后的所有理由都是正则表达式不是语言语法的一部分。它们是在 re 模块内的标准库中使用语言的通用构建块处理的。

re.compile 函数使用与最常用的正则表达式实现兼容的特殊字符和转义规则。但是,Python 解释器不知道整个正则表达式概念,也不知道字符串文字是否会被编译成正则表达式对象。因此,Python 无法提供任何类型的语法简化,例如您建议的那些。

【讨论】:

  • re.compile 首先将r'\\n' 视为'\\\\n',然后正则表达式语言启动并删除*转义的\*。因此,当文本为 'this\\nis\\nit 时,正则表达式会查找文字 \\n——这就是它匹配的原因。
  • 只有两个斜杠被传递给正则表达式编译器。然后用一个替换它们。另外我不认为r'\\n' 曾经转换为'\\\\n'。解释器在解析原始字符串文字时,可以立即在内存中构建一个内部的三字符序列。 r 修饰符的目的是绕过此过程中的任何转换。但是,对于仅适用于内存中的表示的正则表达式构建器来说,这仍然是未知的。
【解决方案3】:

正则表达式对于文字反斜杠有自己的含义,就像\d 这样的字符类。如果你真的想要一个文字反斜杠字符,你实际上需要双重转义它。它真的不应该是并行的,因为您正在将正则表达式与字符串进行比较。

原始字符串只是为了方便,使用双原始字符串会有点过头了。

【讨论】:

    猜你喜欢
    • 2012-06-19
    • 2023-03-20
    • 2018-11-14
    • 1970-01-01
    • 1970-01-01
    • 1970-01-01
    • 1970-01-01
    • 2012-08-15
    • 1970-01-01
    相关资源
    最近更新 更多