困惑正則表達式

Question

在這本書編程集體智慧有一個正則表達式，

splitter = re.compile('\\W*') 

從上下文中它看起來像這樣匹配任何非字母數字字符。但我很困惑，因爲它看起來像匹配反斜槓，然後是一個或多個W。它真的匹配了什麼？

Answer 1

你的正則表達式等同於\W*。它匹配0個或更多非字母數字字符。

實際上，您使用python字符串而不是原始字符串。在Python字符串文字中，爲了匹配文字反斜槓，您需要跳過反斜槓 - \\，因爲反斜槓在那裏有特殊含義。然後對於正則表達式，你需要逃避兩個反斜槓，使其成爲 - \\\\。

所以，匹配\其次是0個或多個W，你需要在一個字符串\\\\W*。您可以通過使用原始字符串來簡化此操作。其中\\將與文字\匹配。這是因爲，在原始字符串中使用反斜槓時，不會以任何特殊方式處理。

下面的例子將幫助你理解這一點：

>>> s = "\WWWW$$$$" 

# Without raw string 
>>> splitter = re.compile('\\W*') # Match non-alphanumeric characters 
>>> re.findall(splitter, s) 
['\\', '', '', '', '', '$$$$', ''] 

>>> splitter = re.compile('\\\\W*') # Match `\` followed by 0 or more `W` 
>>> re.findall(splitter, s) 
['\\WWWW'] 

# With raw string 
>>> splitter = re.compile(r'\W*') # Same as first one. You need a single `\` 
>>> re.findall(splitter, s) 
['\\', '', '', '', '', '$$$$', ''] 

>>> splitter = re.compile(r'\\W*') # Same as 2nd. Two `\\` needed. 
>>> re.findall(splitter, s) 
['\\WWWW'] 

Answer 2

該正則表達式將匹配反斜槓和零個或多個W。如果要匹配零個或多個非單詞字符：

splitter = re.compile(r'\W*') 

Answer 3

這符合非單詞字符，這意味着非字母數字或下劃線。這編譯成\ W這是\ w的否定版本，其中\ w匹配任何單詞字符。

因此，您認爲它與非字母數字匹配是正確的。

有關特殊正則表達式字符的參考，你可以看看這裏。 http://www.regular-expressions.info/reference.html

Answer 4

對於沒有正則表達式（例如：Java）的良好字符串表示形式的編程語言，第一個反斜槓就像轉義字符一樣。在Python中，你可以做的更好，這相當於：

r'\W*' 

通知的r開頭（一raw string），呈現不必要使用第一\轉義字符。第二個\是不可避免的，這是字符類的一部分\W

Answer 5

\是正則表達式中的轉義字符。從左到右，\\表示\，然後是\w*，所以它表示匹配任何非數字和下劃線字符。在這種情況下，如果你想要一個\，你必須寫\\\\。如果你想讓正則表達式更清晰簡單，你可以使用r'\W*'。 r表示原始字符串，並且可以讓您編寫較少的\。

Answer 6

會發生什麼，\有助於轉義角色。所以\\意味着\。所以您正則表達式（後逃逸）變爲：

\W* 

一個更好的替代方法是使用：r'\W*'