替换中的Python Regex转义运算符\

Question

我不理解python正则表达式中scape操作符\与原始字符串的r'一起工作的逻辑。谢谢你的帮助。

代码：

import re
text=' esto  .es  10  . er - 12 .23 with [  and.Other ] here is more ; puntuation'
print('text0=',text)
text1 = re.sub(r'(\s+)([;:\.\-])', r'\2', text)
text2 = re.sub(r'\s+\.', '\.', text)
text3 = re.sub(r'\s+\.', r'\.', text)
print('text1=',text1)
print('text2=',text2)
print('text3=',text3)

该理论认为：反斜杠字符（“\”）表示特殊形式或允许使用特殊字符而不调用其特殊含义。

正如问题末尾提供的链接所解释的，r'代表原始字符串，也就是说，符号没有特殊意义，它就是这样。

所以在上面的正则表达式中，我希望text2和text3是不同的，因为替换文本是“.”在文本2中，即一个句点，而（原则上）文本3中的替换文本为r''这是一个原始字符串，即应该显示的字符串、反斜杠和句点。但它们的结果是一样的：

结果是：

text0=  esto  .es  10  . er - 12 .23 with [  and.Other ] here is more ; puntuation
text1=  esto.es  10. er- 12.23 with [  and.Other ] here is more; puntuation
text2=  esto\.es  10\. er - 12\.23 with [  and.Other ] here is more ; puntuation
text3=  esto\.es  10\. er - 12\.23 with [  and.Other ] here is more ; puntuation
#text2=text3 but substitutions are not the same r'\.' vs '\.'

在我看来，r'在替换部分和反斜杠中的工作方式不同。另一方面，我的直觉告诉我，我遗漏了一些东西。

编辑1：以下@Wiktor Stribi的评论。他指出（点击链接）：

import re
print(re.sub(r'(.)(.)(.)(.)(.)(.)', 'a\6b', '123456'))
print(re.sub(r'(.)(.)(.)(.)(.)(.)', r'a\6b', '123456'))
# in my example the substitutions were not the same and the result were equal
# here indeed r' changes the results

其中：

ab
a6b

这让我更加困惑。

注意：我读过这个关于原始字符串的堆栈溢出问题，它是超级完整的。然而，它并没有提到替代

Answer 1

解决所有这些字符串转义问题的一种简单方法是使用函数/lambda作为repl参数，而不是字符串。例如：

output = re.sub(
    pattern=find_pattern,
    repl=lambda _: replacement,
    string=input,
)

替换字符串根本不会被解析，只是被替换来代替匹配。

Answer 2

从文件（我的重点）：

重新。sub（pattern，repl，string，count=0，flags=0）返回通过替换repl替换string中pattern的最左侧非重叠出现而获得的字符串。如果找不到模式，则返回的字符串将保持不变。repl可以是字符串或函数；如果它是字符串，则会处理其中的任何反斜杠转义。即，\n转换为单个换行符，\r转换为回车符，依此类推。ASCII字母的未知转义保留供将来使用，并作为错误处理。其他未知的逃逸行为，如\

repl参数不仅仅是纯文本。它也可以是函数名或组中的位置（例如\g

此外，从这里：

与标准C不同，所有无法识别的转义序列在字符串中保持不变，即反斜杠留在结果中。

从开始不是特殊的转义字符，“\”与r'\'相同\ 。

Answer 3

首先,，

replacement patterns ≠ regular expression patterns

我们使用正则表达式模式来搜索匹配项，我们使用替换模式来替换正则表达式找到的匹配项。

注意：替换模式中唯一的特殊字符是反斜杠，\。只有反斜杠必须加倍。

Python中的替换模式语法

re。sub文档令人困惑，因为它们提到了可用于替换模式（如\n，\r）和正则表达式转义序列（\6）的字符串转义序列，以及可同时用作正则表达式和字符串转义序列（\

我使用术语regex转义序列来表示一个转义序列，该转义序列由一个反斜杠字符组成，即，\\\X'或r'\X'，一个字符串转义序列来表示一个\序列和一个字符或一些共同构成有效字符串转义序列的序列。它们只能在常规字符串文本中识别。在原始字符串文字中，只能转义“（这就是为什么不能用\”结束原始字符串文字，但齿隙仍然是字符串的一部分）。

因此，在替换模式中，您可以使用反向引用：

re.sub(r'\D(\d)\D', r'\1', 'a1b')    # => 1
re.sub(r'\D(\d)\D', '\\1', 'a1b')    # => 1
re.sub(r'\D(\d)\D', '\g<1>', 'a1b')  # => 1
re.sub(r'\D(\d)\D', r'\g<1>', 'a1b') # => 1

您可能会看到r'\1'和'\\1'是相同的替换模式，\1。如果使用'\1'，它将被解析为字符串转义序列，一个具有八进制值001的字符。如果您忘记使用带有明确反向引用的r前缀，则不会有问题，因为\g不是有效的字符串转义序列，因此，\转义字符保留在字符串中。阅读我链接到的文档：

与标准C不同，所有无法识别的转义序列在字符串中保持不变，即反斜杠留在结果中。

所以，当您传递'\.'作为替换字符串时，您实际上发送了\。双字符组合作为替换字符串，这就是为什么您在结果中得到\。。

\是Python替换模式中的一个特殊字符

如果您使用re。sub（r'\s\'，r'\.'，text），您将获得与text2和text3案例相同的结果，请参见此演示。

这是因为两个文本反斜杠表示替换模式中的一个反斜杠。如果在正则表达式模式中没有第2组，但在替换中传递r'\2'以实际替换为\和2字符组合，则会出现错误。

因此，当您有动态的、用户定义的替换模式时，您需要将替换模式中的所有反斜杠加倍，以作为文本字符串传递：

re.sub(some_regex, some_replacement.replace('\\', '\\\\'), input_string)