python - 原始字符串、Python 和 re，普通字符与特殊字符

Question

我遇到了关于原始字符串的令人困惑且看似矛盾的规则。考虑以下示例:

>>> text = 'm\n'
>>> match = re.search('m\n', text)
>>> print match.group()
m

>>> print text
m

This works, which is fine.

>>> text = 'm\n'
>>> match = re.search(r'm\n', text)
>>> print match.group()
m

>>> print text
m

Again, this works. But shouldn't this throw an error, because the raw string contains the characters m\n and the actual text contains a newline?

>>> text = r'm\n'
>>> match = re.search(r'm\n', text)
>>> print match.group()
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
AttributeError: 'NoneType' object has no attribute 'group'
>>> print text
m\n

令人惊讶的是，上面的代码抛出了一个错误，即使它们都是原始字符串。这意味着两者都只包含没有换行符的文本 m\n。

>>> text = r'm\n'
>>> match = re.search(r'm\\n', text)
>>> print text
m\n
>>> print match.group()
m\n

以上的工作，令人惊讶。 为什么我必须在 re.search 中转义反斜杠，而不是在文本本身？

然后是带有没有特殊行为的普通字符的反斜杠:

>>> text = 'm\&'
>>> match = re.search('m\&', text)
>>> print text
m\&
>>> print match.group()
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
AttributeError: 'NoneType' object has no attribute 'group'

这不匹配，即使模式和字符串都缺少特殊字符。

在这种情况下，原始字符串的任何组合都不起作用(文本作为原始字符串，模式作为原始字符串，两者兼而有之)。

但是，考虑最后一个例子。在文本变量 'm\\&' 中转义不起作用，但在模式中转义有效。这与上面的行为相似——我觉得甚至更奇怪，考虑到 \& 对 Python 或 re:

没有特殊意义

>>> text = 'm\&'
>>> match = re.search(r'm\\&', text)
>>> print text
m\&
>>> print match.group()
m\&

我对原始字符串的理解是它们抑制了 python 中反斜杠的行为。对于正则表达式，这很重要，因为它允许 re.search 应用它自己的内部反斜杠行为，并防止与 Python 发生冲突。但是，在上述情况下，反斜杠实际上没有任何意义，我不确定为什么它看起来是必要的。更糟糕的是，我不明白为什么我需要为模式使用反斜杠，而不是文本，当我将两者都制作成原始字符串时，它似乎不起作用。

The docs在这方面不提供太多指导。他们专注于有明显问题的示例，例如 '\section'，其中 \s 是一个元字符。寻找完整的答案以防止出现此类意外行为。

Answer 1

在常规 Python 字符串 'm\n' 中，\n 表示单个换行符，而在原始字符串 r'm\n' \ 和 n 只是他们自己。到目前为止，就这么简单。

如果将字符串 'm\n' 作为模式传递给 re.search()，则传递的是两个字符的字符串( m 后跟换行符)，re 会很乐意为您找到该双字符字符串的实例。

如果您传递三个字符的字符串 r'm\n'，re 模块本身 将解释这两个字符 \ n 具有特殊含义“匹配换行符”，因此整个模式意味着“匹配 m 后跟换行符”，只是和以前一样。

在您的第三个示例中，由于字符串 r'm\n' 不包含换行符，因此没有匹配项:

>>> text = r'm\n'
>>> match = re.search(r'm\n', text)
>>> print(match)
None

使用模式 r'm\\n'，您将两个实际的反斜杠传递给 re.search()，re 模块本身 将双反斜杠解释为“匹配单个反斜杠字符”。

在 'm\&' 的情况下，发生了一些稍微不同的事情。 Python 将反斜杠视为常规字符，因为它不是转义序列的一部分。另一方面，re 简单地丢弃了 \，因此模式实际上是 m&。通过针对 'm&' 测试模式，您可以看到这是真的:

>>> re.search('m\&', 'm&').group()
'm&'

和以前一样，双反斜杠告诉 re 搜索实际的反斜杠字符:

>>> re.search(r'm\\&', 'm\&').group()
'm\\&'

... 为了让事情变得更加困惑，单个反斜杠由 Python 加倍表示。你可以通过打印看到它实际上是一个反斜杠:

>>> print(re.search(r'm\\&', 'm\&').group())
m\&