python - python 和 regex 模块如何处理反斜杠

Question

我目前从语言引用中对 python 3.4 regex 库的理解似乎与我对该模块的实验结果不符。

---

我目前的理解

正则表达式引擎可以被认为是一个单独的实体，具有它自己理解的编程语言 (regex)。它恰好存在于 python 以及其他各种语言中。因此，如果您愿意，python 必须将(正则表达式)模式/代码传递给这个独立的解释器。

为清楚起见，以下文本将使用逻辑长度 的概念 - 它应该表示给定字符串的逻辑长度。例如，特殊字符回车 \r 将具有 len=1，因为它是单个字符。但是，2 个不同的字符(反斜杠后跟 r)\r 将具有 len=2。

1) 假设我们要在某些文本中匹配回车 \r len=1

2) 我们需要将模式 \r len=2(2 个不同的字符)提供给正则表达式引擎

3) 正则表达式引擎接收到\r len=2并将模式解释为:匹配特殊字符回车\r len=1

4)它继续前进并施展魔法

问题是反斜杠字符 \ 本身被 python 解释器用作特殊的东西——一个用来转义其他东西的字符(比如引号)

所以当我们在 python 中编码并且需要表达我们需要将模式 \r len=2 发送到内部正则表达式解释器的想法时，我们必须键入 pattern = '\\r' 或 pattern = r'\r' 来表达 \r len=2。

---

一切都很好......直到

我尝试了一些涉及 re.escape

的实验

---

问题总结

1) 请确认/修改我目前对正则表达式引擎的理解

2) 为什么这些假定的非教科书定义模式匹配

3) re.escape 中的 \\\r 究竟是怎么回事，整个“我们有相同的字符串长度，但我们比较的不相等，但在前面的 re.search 测试中，我们在匹配回车符方面也都采用相同的方法”

Answer 1

您需要了解，每次您编写一个模式时，它首先被解释为一个字符串，然后再由正则表达式引擎读取和解释第二次。 让我们描述一下发生了什么:

>>> s='\r'

s 包含字符 CR。

>>> re.match('\r', s)
<_sre.SRE_Match object; span=(0, 1), match='\r'>

这里的字符串 '\r' 是一个包含 CR 的字符串，因此将文字 CR 提供给正则表达式引擎。

>>> re.match('\\r', s)
<_sre.SRE_Match object; span=(0, 1), match='\r'>

字符串现在是一个文字反斜杠和一个文字 r，正则表达式引擎接收这两个字符，因为 \r 是一个正则表达式转义序列，也意味着一个 CR 字符，你也获得了匹配.

>>> re.match('\\\r', s)
<_sre.SRE_Match object; span=(0, 1), match='\r'>

字符串包含文字反斜杠和文字 CR，正则表达式引擎接收 \ 和 CR，但由于 \CR 不是一个已知的正则表达式转义序列，反斜杠将被忽略，您将获得一个匹配项。

请注意，对于正则表达式引擎，文字反斜杠是转义序列 \\(因此在模式字符串 r'\\' 或 '\\\\')