奇怪的 Python 正则表达式问题答案

【问题标题】：Weird Python Regex Issues奇怪的 Python 正则表达式问题
【发布时间】：2011-04-04 15:50:56
【问题描述】：

whitespace_pattern = u"\s" # bug: tried to use unicode \u0020, broke regex

time_sig_pattern = \
    """^%(ws)s*time signature:%(ws)s*(?P<top>\d+)%(ws)s*\/%(ws)s*(?P<bottom>\d+)%(ws)s*$""" %{"ws": whitespace_pattern}


time_sig         = compile(time_sig_pattern,         U|M)

由于某种原因，添加 Verbose 标志 X 来编译会破坏模式。

另外，我想使用 unicode 进行 whitespace_pattern 识别（假设我们会得到使用非 unicode 空格的模式，我们需要明确地检查那个 unicode 字符是否为有效空格），但模式不断中断。

【问题讨论】：

标签： python regex unicode

【解决方案1】：

VERBOSE 让您能够在正则表达式中编写 cmets 来记录它。

为此，它会忽略空格，因为您需要使用换行符来编写 cmets。

将正则表达式中的所有空格替换为 \s 以指定它们是您要在模式中匹配的空格，而不仅仅是一些用于格式化 cmets 的空格。

此外，您可能希望对用作模式的字符串使用 r 前缀。它告诉 Python 不要解释诸如 \n 之类的特殊符号，并允许您使用反斜杠而不转义它们。

【讨论】：

【解决方案2】：

始终使用 r 前缀定义正则表达式以表明它们是原始字符串。

 r"""^%(ws)s*time signature:%(ws)s*(?P<top>\d+)%(ws)s*\/%(ws)s*(?P<bottom>\d+)%(ws)s*$""" %{"ws": whitespace_pattern}

【讨论】：

【解决方案3】：

创建正则表达式以匹配 unicode 字符时，您不想使用 Python unicode 字符串。在您的示例正则表达式中需要看到文字字符\u0020，因此您应该使用whitespace_pattern = r"\u0020" 而不是u"\u0020"。

正如其他答案所提到的，您还应该为time_sig_pattern 使用r 前缀，在这两个更改之后，您的代码应该可以正常工作。

要使VERBOSE 正常工作，您需要转义模式中的所有空格，因此在模式的开头将time signature 中的空格替换为"\ "（为清晰起见，请加引号）、\s 或@ 987654331@ 记录在 here。

【讨论】：