正则表达式中的转义字符

Question

下面这个是正则表达式：

 [a-z]+[\\.\\?]

为什么这里的\\要用两次，而不是一次呢？

Answer 1

第一个是对句号进行了转义。第二个是对问号进行了转义。

Answer 2

在这里，. 和 ? 都被进行了转义处理，也就是说它们的特殊含义被取消了。

不过，在正则表达式的字符类（也就是在 [] 里面）就不需要这样做。这样写也是可以的：

[a-z]+[.?]

补充说明: 你提到的关于 \\ 的问题，情况有点复杂。这条正则表达式是在 "" 这样的字符串里面吗？根据不同的编程语言，有时候在双引号里面，\ 需要再转义一次。但如果是在 '' 里面，可能就不需要了。你是从哪里看到这个的呢？

Answer 3

下面这个正则表达式：

 [a-z]+[\\.\\?]

...其实不是一个正则表达式，而是一个字符串（这个字符串可以作为正则表达式的模式；你可以通过把它传给 re.compile 来构建一个正则表达式）。

为什么 \\ 这个斜杠要用两次，而不是一次呢？

你可能对这个有些误解...：

>>> s = '[a-z]+[\\.\\?]'
>>> s
'[a-z]+[\\.\\?]'
>>> print(s)
[a-z]+[\.\?]

你在每种情况下都要输入 \ 两次，这样第一个斜杠就可以“转义”第二个斜杠，也就是说，它可以阻止第二个斜杠和后面的字符一起形成一个“转义序列”。当你查看字符串的 repr（这是在交互式Python环境中，当你输入字符串对象的名字时显示的内容）时，你会看到它出现了两次。但当你用 print 查看这个字符串时，你只会看到一次——字符串本身没有重复，你可能只是被“输入两次”和“显示两次”（在 repr 中）的特性搞混了。

还有一种更方便的方式来输入完全相同的字符串值，作为字面量：

>>> z = r'[a-z]+[\.\?]'
>>> z
'[a-z]+[\\.\\?]'
>>> print(z)
[a-z]+[\.\?]
>>> z == s
True

前面的 r 前缀（代表“原始字面量”）意味着后面的斜杠都不会被当作转义序列的一部分——每个斜杠都代表它自己，所以不需要重复输入。

注意，z 的行为和 s 完全一样，实际上它们是相等的：前面的 r 并不会让“字符串变成不同的类型”，只是提供了一种方便的方式来输入包含很多斜杠的字符串，而不需要重复输入（这主要是为了方便输入作为正则表达式模式的字面量字符串；r 也可以理解为“正则表达式模式”的意思:-）。