python 正則表達式中反斜杠(\)的麻煩和陷阱

這里是一點小心得：由於下面兩個原因，在正則表達式中使用反斜杠就會產生了一個雙重轉換的問題。
(1)、python自身處理字符串時，反斜杠是用於轉義字符

(2)、正則表達式也使用反斜杠來轉義字符

 

    要匹配字符串中1個反斜杠應該怎么寫正則表達式？"\\"，這樣行嗎？試試就知道了，re模塊拋異常了，因為在正則表達式中，"\\"就是一個反斜杠，對於正則表達式解析器來說，是一個轉義字符，但是后面啥也沒有，自然就報錯了，"\\\"三個肯定是不行的，試試四個"\\\\"，完美匹配。

 

代碼如下:
import re
re_str_patt = "\\\\"
reObj = re.compile(re_str_patt)
str_test = "abc\\cd\\hh"
print reObj.findall(str_test)

輸出 ：['\\', '\\']

備注：

     1、第二行代碼只使用了python非原生字符串，所以它在正則表達式中表示的是一個反斜杠。（即四合一）

     2、由於python字符串中，反斜杠表示轉義，所以第四行代碼中的字符串表示的是：

        abc后是 一個反斜杠 ，然后接cd，再接 一個反斜杠 ，然后是hh

     3、代碼段輸出的是一個列表，列表中有兩個元素。每一個元素都是一個字符串(python中的字符串)，

        所以列表的第一個元素實際是表示一個反斜杠，同樣，列表的第二個元素也是表示一個反斜杠。

     4、輸出也可能是這樣的： [r'\', r'\'] 兩種輸種輸出效果是一致的。

 

 

代碼如下改動：

 

import re
re_str_patt = r"\\\\"
reObj = re.compile(re_str_patt)
str_test = "abc\\cd\\hh"
print reObj.findall(str_test)

輸出： []

備注: 1、第二行代碼改成了原生字符串，此時正則表達式要匹配的則是兩個連續的反斜杠。（ 即二合一）

       2、第四行代碼中的字符串表示的是：abc后是 一個反斜杠 ，然后接cd，再接 一個反斜杠 ，然后是hh。

       3、所以沒有匹配的內容，輸出為一個空列表。

 

     對於第一段代碼要這么理解，首先第一重轉換是 字符串自身的轉義，那么"\\\\"，實際上就是表示兩個反斜杠（兩個字符），然后傳入 正則表達式解析器，因為反斜杠依然是轉義字符，那么進行第二重轉換，兩個反斜杠就代表一個反斜杠，所以就能和一個反斜杠進行匹配了，那么匹配連續的兩個反斜杠，寫正則表達式時就要寫8次"\"了，相當壯觀。\d+在正則表達式里面表示匹配連續1一個以上的數字字符,可是如果想匹配： 一個反斜杠，后接字母d，再接一個加號 ，這個字符串怎么寫呢？(答案："\\\\d\\+")

代碼如下:

import re
re_str_patt = "\\\\d\\+"
print re_str_patt
reObj = re.compile(re_str_patt)
print reObj.findall("\\d+")

 

輸出：\\d\+
      ['\\d+']

 

     寫成re_str_patt = "\\\\d\+"也行，因為\+對於字符串來說，沒有轉義意義，所以就當成一個反斜杠了。
在python中寫正則表達式時用得最多的是raw字符串，原生字符串，什么意思？就是只有一重轉換了，沒有字符串轉換了，只在正則表達式內部進行轉換了，這樣匹配一個反斜杠的正則表達式可以這樣寫，re_str_patt = r"\\"。

 

     有人會想，以后寫windows的文件路徑什么的方便了，呵呵直接 path = r"c:\myforder\xx" 搞定，是的，這句沒有問題，但是如果你寫成 path = r"c:\myforder\xx\"，直接報錯了，為什么？因為反斜杠雖然不作為轉義字符了，但是還是對它后面的引號（包括單引號）有影響，使這個引號不被視為字符串的終止，以為它后面還有字符，但是實際沒有，因此會報錯。

 

    其實可以反過來想raw字符串里面要表示引號怎么辦呢？，可以發現 path = r"\\123\"xxx" 是可以的，那用raw字符串豈不是有局限性？不過raw在設計之初就是用來支持正則表達式的，而在正則里面反斜杠是轉義字符，所以不可能出現在字符串的末尾的，所以建議不要圖方便在其他的地方使用raw。

 

參考資料：

　　 http://blog.sina.com.cn/s/blog_5ee725480101bgjo.html