“原始字符串正则表达式”到底是什么？如何使用它？

Question

从regex上的python文档中，关于'\'字符：

解决方案是将Python的原始字符串表示法用于正则表达式模式。反斜杠不会以任何特殊方式处理以开头的字符串文字'r'。所以，r"\n"是包含两个字符的字符串'\'和'n'，虽然"\n"是包含一个换行符一个一个字符的字符串。通常，模式将使用此原始字符串表示法在Python代码中表示。

此原始字符串表示法是什么？如果您使用原始字符串格式，这意味着"*"将其视为文字字符而不是零个或多个指示符吗？这显然是不对的，否则正则表达式将完全失去其功能。但是，如果它是原始字符串，那么如果"\n"实际上是反斜杠和，它将如何识别换行符"n"？

我不懂

编辑赏金：

我试图了解原始字符串正则表达式如何与换行符，制表符和字符集匹配，例如，\w对于单词或\d数字或其他所有字符，如果原始字符串模式不能识别反斜杠是普通字符以外的其他东西。我真的可以使用一些很好的例子。

Answer 1

Zarkonnen的回答确实回答了您的问题，但没有直接回答。让我尝试更直接一些，看看我是否可以从扎尔肯恩那里获得赏金。

如果您停止使用术语“原始字符串正则表达式”和“原始字符串模式”，则可能会更容易理解。这些术语将两个不同的概念混为一谈：Python源代码中特定字符串的表示形式，以及该字符串表示的正则表达式。

实际上，将它们视为两种不同的编程语言（每种都有自己的语法）会很有帮助。Python语言具有源代码，该源代码除其他外可以构建具有某些内容的字符串，并调用正则表达式系统。正则表达式系统具有驻留在字符串对象中并与字符串匹配的源代码。两种语言都使用反斜杠作为转义字符。

首先，了解一个字符串是一个字符序列（即字节或Unicode代码点；这里的区别并不重要）。有多种方法可以在Python源代码中表示字符串。一个 原始字符串
仅仅是这些表象之一。如果两个表示产生相同的字符序列，则它们会产生等效的行为。

想象一个2字符的字符串，由 反斜杠 字符和 n 字符组成。如果您知道 反斜杠 的字符值为92， n
的字符值为110，则此表达式将生成我们的字符串：

s = chr(92)+chr(110)
print len(s), s

2 \n

常规的Python字符串表示法"\n"不会生成此字符串。而是生成带有换行符的单字符字符串。在Python文档 2.4.1。
字符串文字
说：“反斜杠（\）字符用于转义具有特殊含义的字符，例如换行符，反斜杠本身或引号字符。”

s = "\n"
print len(s), s

1

（请注意，在此示例中看不到换行符，但是如果仔细看，您会在“ 1”之后看到空白行。）

要获得两个字符的字符串，我们必须使用另一个 反斜杠 字符来转义原始 反斜杠 字符的特殊含义：

s = "\\n"
print len(s), s

2 \n

如果要表示其中包含许多 反斜杠 字符的字符串怎么办？Python文档 2.4.1。
字符串文字继续，“字符串文字可以选择以字母’r’或’R’开头；此类字符串称为 原始字符串， 并使用不同的规则来解释反斜杠转义序列。”
这是我们的两个字符的字符串，使用原始字符串表示形式：

s = r"\n"
print len(s), s

2 \n

因此，我们有三种不同的字符串表示形式，它们都给出相同的字符串或字符序列：

print chr(92)+chr(110) == "\\n" == r"\n"
True

现在，让我们来看一下正则表达式。在Python文档，7.2。re—
正则表达式操作
说：“正则表达式使用反斜杠字符（’'）表示特殊形式或允许使用特殊字符而无需调用特殊含义。这与Python在同一目的中出于相同目的使用同一字符相冲突。字符串文字…”

如果您想要一个与换行符匹配的Python正则表达式对象，则需要一个2个字符的字符串，该字符串由 反斜杠 字符和 n
字符组成。以下代码行都将prog设置为可识别换行符的正则表达式对象：

prog = re.compile(chr(92)+chr(110))
prog = re.compile("\\n")
prog = re.compile(r"\n")

因此，为什么“通常使用这种原始字符串表示法在Python代码中表示模式”。？因为正则表达式通常是静态字符串，所以方便地表示为字符串文字。从正则表达式包含 反斜杠
字符时，原始字符串是一种方便的选择，从可用的不同字符串文字符号中选择。

问题

问 ：那表情re.compile(r"\s\tWord")呢？ 答 ：通过将字符串与正则表达式编译分开，并分别理解它们，会更容易理解。

s = r"\s\tWord"
prog = re.compile(s)

该字符串s包含八个字符： 反斜杠 ， s ， 反斜杠 ， t 和四个字符Word。

问 ：制表符和空格字符会怎样？ 答 ：在Python语言级别，字符串s没有 制表符 和 空格 字符。它从四个大字： 反斜杠
， 小号 ， 反斜杠 ， 牛逼
。同时，正则表达式系统将该字符串视为正则表达式语言中的源代码，其含义是“匹配由空格字符，制表符和四个字符组成的字符串Word。

问 ：如果将其当作反斜杠和反斜杠t对待，您如何匹配它们？ 答 ：也许将单词“ you”和“
that”更具体地说明一个问题：正则表达式系统如何匹配表达式backlash-s和backslash-t？作为“任何空白字符”和“ 制表 符”。

问 ：或者如果您有3个字符的字符串反斜杠-n-换行符，该怎么办？ 答 ：在Python语言中，可以将3个字符的字符串反斜杠-n-
换行符表示为常规字符串"\\n\n"，或原始加常规字符串r"\n" "\n"或其他方式。当找到任何两个连续的换行符时，正则表达式系统将匹配3个字符的字符串反斜杠-n- 换行符 。

注意：所有示例和文档参考均针对Python 2.7。

更新 ：合并了@Vladislav Zorov和@ m.buettner的答案以及@Aerovistae的后续问题的说明。