正则表达式子问题

Question

好吧，我遇到了一个有点奇怪的问题，跟 re.sub 有关。

看看下面这段代码：

import re
str_to_be_subbed = r'somefile.exe -i <INPUT>'
some_str = r'C:\foobar'
s = re.sub(r'\<INPUT\>', some_str, str_to_be_subbed)
print s

我本以为它会给我：

somefile.exe -i C:\\foobar

但实际上它给了我：

somefile.exe -i C:♀oobar

我知道 \f 是一个转义字符，但即使我尝试这样做，应该可以转义特殊字符。即使我这样做：

print r'%s' % s

它还是给了我这个：

somefile.exe -i C:♀oobar

为什么会这样呢？有什么好的方法可以避免这个问题吗？

补充说明：

如果我查看 s 的值，它是：

'somefile.exe -i C:\x0coobar'

为什么 \f 变成了 \x0。真让人烦。

再补充：

还有一个问题，如果我把代码改成这样：

import re
import os
str_to_be_subbed = r'somefile.exe -i <INPUT>'
some_str = os.path.abspath(r'C:\foobar')
some_str
s = re.sub(r'\<INPUT\>', some_str, str_to_be_subbed)
print s

结果是：

>>> import re
>>> import os
>>> str_to_be_subbed = r'somefile.exe -i <INPUT>'
>>> some_str = os.path.abspath(r'C:\foobar')
>>> some_str
'C:\\foobar'
>>> s = re.sub(r'\<INPUT\>', some_str, str_to_be_subbed)
>>> print s
somefile.exe -i C:♀oobar

这又是为什么呢？因为 os.path.abspath 会转义 \'s。为什么 re.sub 还是会出错呢？

另外，这只是一个很小的例子，问题在一个比较老的应用程序中突然出现。我不能随便把它改成 string.replace，因为这样改的话可能要花一整天的时间。

我只是很好奇，为什么会出现这个问题。关于上面提到的情况。

Answer 1

Python文档中提到...

re.sub(pattern, repl, string, count=0, flags=0) 这个函数的作用是：它会在字符串中找到最左边的、不重叠的符合模式的部分，然后用你提供的替代内容来替换。如果找不到这个模式，字符串就会保持不变。替代内容可以是一个字符串，也可以是一个函数；如果是字符串的话，里面的反斜杠转义字符会被处理。也就是说，像\n会被转换成一个换行符，\r会被转换成回车符，其他不认识的转义字符，比如\j，就不会被处理。

这就是为什么它会返回'C:♀oobar'的原因。

但是如果我们把一个函数作为第二个参数传进去，它就不会处理任何反斜杠转义字符了。

所以可以试试下面的代码...

>>>import re
>>>str_to_be_subbed = r'somefile.exe -i <INPUT>'
>>>some_str = r'C:\foobar'
>>>s = re.sub(r'\<INPUT\>', lambda _:some_str, str_to_be_subbed)
>>>print s
somefile.exe -i c:\foobar

Answer 2

不要使用正则表达式：

print str_to_be_subbed.replace("<INPUT>",some_str)

正如文档中所说：

repl可以是一个字符串或者一个函数；如果它是字符串，那么其中的反斜杠转义字符会被处理。

Answer 3

\f 是一个叫做 换页符 的字符。把它转义一下就能正常使用了：

some_str = r'C:\\foobar'

还有一种解决办法：

s = re.sub(r'<INPUT>', some_str.encode("string_escape"), str_to_be_subbed)