对正则表达式中的反斜杠感到困惑

Question

我对正则表达式中的反斜杠感到困惑。在正则表达式中，a\具有特殊含义，例如\d表示十进制数字。如果在反斜杠前面添加反斜杠，则该特殊含义会丢失。在正则表达式中，可以阅读：

也许最重要的元字符是反斜杠\。与Python字符串文字一样，反斜杠后可以跟各种字符，以表示各种特殊序列。它也用于转义所有元字符，因此您仍可以按模式匹配它们。例如，如果您需要匹配[或\，则可以在它们前面加上反斜杠以删除其特殊含义：\[或\\。

因此print(re.search('\d', '\d'))给出，None因为\d匹配任何十进制数字，但中没有\d。

我现在希望print(re.search('\\d', '\d'))能匹配，\d但答案仍然是None。

仅print(re.search('\\\d', '\d'))作为输出给出<_sre.SRE_Match object; span=(0, 2), match='\\d'>。

有人有解释吗？

Answer 1

造成混淆的原因是反斜杠字符\在两个不同的级别上用作转义符。首先，Python解释器本身会\在re模块看到您的字符串之前执行的替换。例如，\n将其转换为换行符，\t将其转换为制表符，等等。要获得实际的\字符，您也可以对其进行转义，从而\\给出一个\字符。如果后面的字符\不是公认的转义字符，则该字符\会像其他任何字符一样被处理并通过，但是我不建议以此为依据。相反，请始终\通过将字符加倍来逃脱字符，即\\。

如果要查看Python如何扩展字符串转义符，只需打印出字符串即可。例如：

s = 'a\\b\tc'
print(s)

如果s是集合数据类型（例如列表或元组）的一部分，并且如果您打印该集合，Python会将字符串用单引号引起来，并将\转义符（以规范形式）包括在内，因此请注意字符串的用法正在打印。如果仅在解释器中输入带引号的字符串，它还将显示用引号引起来的\转义符。

一旦知道了字符串的编码方式，便可以考虑re模块将如何处理它。例如，如果要转义\到传递给re模块的字符串中，则需要传递\\给re，这意味着您需要\\\\在带引号的Python字符串中使用。Python字符串将以结尾，\\并且re模块会将其视为单个文字\字符。

\在Python字符串中包含字符的另一种方法是使用原始字符串，例如r'a\b'等效于"a\\b"。