這邊文章默認使用了富文本編輯器,請到另一篇相同內容的MarkDown編輯過的內容中查看,連接如下
小馬哥在使用正則表達式面對轉義字符的時候,發現字符串的轉義與正則的轉義有沖突的時候,總是有些不難,但是讓人感覺沒規律的地方,于是就專門研究了一下,首先捋一下知識點,約定一個前提概念:
轉義字符: 屬于字符串的概念,作用于打印. 例如,要完成一個退格,一個制表符,一個換行,這個用字符串如何表示?
? ? 簡單,"\b,\t,\n",不過是用"\"來轉義一下普通字符嘛,是的,因為b,t,n是普通字符,如果直接輸出,當然就是字符,于是加上"\",打印的時候就是另一種意思了,這個打印,可以是輸出到屏幕,也可以是其它輸出
正則表達式中的轉義: 看到這里,你會想起,正則里面好像也有轉義的概念,例如,"."代表匹配字符串里面的任意字符(換行符除外),如果需要匹配真正的"."這個字符怎么辦?于是我們用轉義字符"\."就代表匹配字符串中的"."了.
你有沒有想過這個問題,字符串中的轉義和正則中的轉義不是一套概念體系,如果兩者沒有表達上的沖突,那么相安無事,可是狀況恰恰是有沖突的,"\b"在字符串中表示轉義后的結果: 退格;而在正則中代表匹配目標字符串的邊界. 于是就要想辦法解決沖突: 定義了原始字符串來屏蔽掉沖突.
只看說明,你還是一頭蒙的,那么看例子來闡述一遍上面所有的問題:
```python
# 字符串中的轉義: 斜杠\代表轉義字符,\b代表轉義之后的字符串,是退格
data = '123\b456'
# 顯示一下結果
print(data)? ? #發現被轉義后: 12456
data = '123\n456'
print(data)? ? #換行: 就是通過轉義符把n進行轉義表示回車
```
? ? 123456
? ? 123
? ? 456
如上還有\t制表符也是同樣的意思,這些,都是來自于ASCII對字符的規定,記住: 這些屬于字符串中的轉義
下面看看正則的轉義
```python
import re
print('第一次試驗')
data = 'hello1 python,hello2 java'
pattern = '\bhello.'
result = re.findall(pattern,data)
print(result)
'''
分析:
這個時候的正則表達式模式,沒有匹配到期望的hello1與hello2,因為\b這里代表的不是正則的邊界
1,pattern = '\bhello.',首先是一個字符串,就要接受字符串的處理,
? ? 根據ASCII表,\b是退格,是一個看不到的字符,所以'\b'是一個字符,hello是另外的字符,
2,我們期望的正則模式是: '邊界hello.',這個"邊界"的表示方法和字符的ASCII碼沖突,沒有體現出來
于是,清楚了原因,我們應該設計一個模式,在經歷字符串ASCII解析后,再傳遞給正則引擎之后是\bhello
應該這樣寫: '\\bhello'
'''
print('第二次試驗')
data = 'hello1 python,hello2 java'
pattern = '\\bhello.'? #這時,經過字符的ASCII表解析后,得到的字符串是'\bhello'
result = re.findall(pattern,data)
print(result)
'''
到此,你心里應該有了一個: 計算機內部針對 字符 - ->模式 的過程
不是你寫了一個字符串,它就是正則的模式了,而是計算機內部要根據ASCII碼進行了解析,解析的結果,拿給了正則引擎去用來搜索目標文本,
而ASCII碼解析后的結果,和你期望的正則的模式發生變化了,所以正則表達式解析來的結果,不如我們期望的
'''
```
? ? 第一次試驗
? ? []
? ? 第二次試驗
? ? ['hello1', 'hello2']
如果通過上面的例子,你懂了ASCII碼在暗中干了一件'見不得人'的事,如果你的腦力還夠用,那么咱們再來看一個它的更有意思的事情
需求: 'python\java\go\c',解析出里面的"\",在字符概念領域,它是轉義字符,在正則領域,它也是轉義字符,如何操作呢?
上面,我們主要目的:讓你知道,ASCII碼和正則,針對轉義是不同的,有沖突的,例如,\b在兩者概念體系中就沖突了,
```python
import re
data = 'python\java\go\c'
'''
pattern1
這個都不用試驗,肯定是錯的,語法錯誤,解析都通不過,相當于,你想打印" ' "單引號,但是字符串的定義就是用單引號或者雙引號來表示
\'相當于失去了字符串"'"的定義作用,而把"'"看做普通字符,那么這樣,字符串的pattern1,就沒有了字符串的結尾符了,必然錯誤
'''
# pattern1 = '\'? #必須注釋了,語法都通不過檢查
'''
pattern2
用上一個例子中分析的結果,我們用轉義字符把斜杠處理過,得到就是ASCII處理后的"\",再拿去交給正則引擎,這個時候正則我們應該沒問題了
的確,這里經過ASCII碼處理,最終交給正則的是"\",這個時候就該正則引擎起作用了,對于它"\"也是一個轉義符,可只要\這是一個不完整的轉義
于是拋出error: bad escape (end of pattern) at position 0
'''
try:
? ? pattern2 = '\\'? ?
? ? print(pattern2)
? ? result2 = re.findall(pattern2,data)
? ? print(result2)
except Exception as e:
? ? print("Error: ",e)
'''
pattern3
我們應該傳遞給正則解析引擎一個"\\",經過正則處理,它會得到"\"這個僅僅代表字符的模式,拿著去和目標文本比對,搜索目標"\"
'\\\\'經過ASCII碼處理,得到"\\",正則引擎處理'\\',得到'\'
'''
pattern3 = '\\\\'
result3 = re.findall(pattern3,data)
print(result3)
```
? ? \
? ? Error:? bad escape (end of pattern) at position 0
? ? ['\\', '\\', '\\']
經過上面兩個例子:
例一,你應該明白了,一個字符串能作為正則的模式,中間是經過ASCII碼轉換的,但是為什么"\d","\w"等就相安無事呢?因為ASCII碼沒"整"它們;
例二,對于"\"這種比較特殊的東東,經過ASCII和正則的兩次轉義,語法都要正確,才能去匹配目標文本中的目標字符
有沒有一種方式,不用這么麻煩,于是出現了原始字符串.
看例三,原始字符串的用法
```python
import re
data = 'python\java\go\c'
pattern = r'\\'? ? ? #這里為什么還要是兩個斜杠呢? 畢竟這里是字符串的定義
print(pattern)
result = re.findall(pattern,data)
print(result)
data = 'hello1 java,hello2 python'
pattern = r'\bhello.'? ? #這里就去掉了\b的退格作用
print(pattern)
result = re.findall(pattern,data)
print(result)
```
? ? \\
? ? ['\\', '\\', '\\']
? ? \bhello.
? ? ['hello1', 'hello2']
可能有的同學有疑問: 為什么上面打印的result關于findall結果的地方,result列表里面都是'\\',其實'\\'代表的是一個字符'\\',print()打印這個動作就變成'\'了.不信去試試.
