如何在 python 正则表达式中正确使用 unicode 字符串

Question

我从用户那里得到一个输入正则表达式，它被保存为一个 unicode 字符串。在将输入字符串编译为正则表达式对象之前，我是否必须将其转换为原始字符串？还是没有必要？我是否将其正确转换为原始字符串？

import re
input_regex_as_unicode = u"^(.){1,36}$"
string_to_check = "342342dedsfs"

# leave as unicode
compiled_regex = re.compile(input_regex_as_unicode)
match_string = re.match(compiled_regex, string_to_check)

# convert to raw
compiled_regex = re.compile(r'' + input_regex_as_unicode)
match_string = re.match(compiled_regex, string_to_check)

@Ahsanul Haque，我的问题是更具体的正则表达式，正则表达式在将其转换为正则表达式对象时是否正确处理 unicode 字符串

Answer 1

re 模块可以正确处理 unicode 字符串和普通字符串，您不需要将它们转换为任何内容（但您应该在使用字符串时保持一致）。

没有像“原始字符串”这样的东西。如果它可以帮助您处理包含反斜杠的字符串，您可以在代码中使用原始字符串表示法。例如，要匹配换行符，您可以使用 '\\n'、u'\\n'、r'\n' 或 ur'\n'。

您在示例中使用原始字符串表示法没有任何作用，因为 r'' 和 '' 评估为相同的字符串。