正则表达式 \ 和 原生字符串 r

使用python写字符串常量时，raw string是个很好用的东东，比如在C里我要写一个Windows下的路径，得这么
写：

char *path = "C:\\mydir\\myfile.txt";

用"\"来转义成一个反斜杠字符。而在python下用raw string就不用这么麻烦了：

path = r"C:\mydir\myfile.txt"

一个r搞定，是不是很简单？

真的这么简单吗？未必。试试如果要指定一个目录名呢？

>>> path = r"C:\mydir\mysubdir\"
   File "<string>", line 1
     path = r"C:\mydir\mysubdir\"
                              ^
SyntaxError: EOL while scanning single-quoted string

出错了吧。

这是一个常见的陷阱，在使用raw string时，反斜杠虽然不再做转义用，但它仍然保留了一部分“魔力”——保护字符串。如

>>> print r"abc\"xyz"
abc\"xyz

在反斜杠之后的那个引号由于反斜杠的魔力，不被视为字符串终结。那么对应到开头那个路径r"C:\mydir\mysubdir"，最后那个引号也是由于反斜杠的魔力，不被视为终结，python认为其后应该还有东西，结果没有，就报错了。

那岂不是用raw string写Windows路径就很不方便了吗？

答案是：raw string本来就不是为了方便写Windows路径而设计的，而是为了方便写正则表达式设计的。在正则表达式中，反斜杠是转义字符，因此不可能出现以反斜杠结尾的正则表达式。

Windows路径的“正统”写法应该是：

path = os.path.normcase("c:/mydir/mysubdir/")

os.path.normcase在Windows平台下会自动把正斜杠转换成反斜杠。

由于正则表达式使用反斜杠来转义特殊字符，而python自身处理字符串时，反斜杠也是用于转义字符，这样就产生了一个双重转换的问题，要匹配字符串中1个反斜杠应该怎么写正则表达式？"\"，这样行吗？试试就知道了，re模块抛异常了，因为"\"就是一个反斜杠，对于正则表达式解析器来说，是一个转义字符，但是后面啥也没有，自然就报错了，"\"三个肯定是不行的，试试四个"\\"，完美匹配。

import re
re_str_patt = "\\\\"
reObj = re.compile(re_str_patt)
str_test = "abc\\cd\\hh"
print reObj.findall(str_test)
import re
re_str_patt = "\\\\"
reObj = re.compile(re_str_patt)
str_test = "abc\\cd\\hh"
print reObj.findall(str_test)
      输出：['\\', '\\']

  这里要这么理解，**首先第一重转换是字符串自身的转义，那么"\\\\"，实际上就是表示两个反斜杠（两个字符），然后传入正则表达式解析器，因为反斜杠依然是转义字符，
那么进行第二重转换，两个反斜杠就代表一个反斜杠，所以就能和一个反斜杠进行匹配了**，那么匹配连续的两个反斜杠，写正则表达式时就要写8次"\"了，相当壮观，
要匹配/d+(这个在正则表达式里面表示连续1一个以上的数字字符)这个字符串怎么写呢？

view plaincopy to clipboardprint?
import re
re_str_patt = "\\\\d\\+"
print re_str_patt
reObj = re.compile(re_str_patt)
print reObj.findall("\\d+")
import re
re_str_patt = "\\\\d\\+"
print re_str_patt
reObj = re.compile(re_str_patt)
print reObj.findall("\\d+")

  写成re_str_patt = "\\\\d\+"也行，因为\+对于字符串来说，没有转义意义，所以就当成一个反斜杠了。
 在python中写正则表达式时用得最多的是raw字符串，**原生字符串，什么意思？就是只有一重转换了，没有字符串转换了，只在正则表达式内部进行转换了**，
这样匹配一个反斜杠的正则表达式可以这样写，re_str_patt =r"\\"，有人会想，以后写windows的文件路径什么的方便了，呵呵直接 path = r"c:\myforder\xx"搞定，
是的，这句没有问题，但是如果你写成 path =r"c:\myforder\xx\"，直接报错了，为什么？因为反斜杠虽然不作为转义字符了，但是还是对它后面的引号（包括单引号）有影响，
使这个引号不被视为字符串的终止，以为它后面还有字符，但是实际没有，因此会报错。其实可以反过来想raw字符串里面要表示引号怎么办呢？，
可以发现 path= r"\\123\"xxx" 是可以的，那用raw字符串岂不是有局限性？不过raw在设计之初就是用来支持正则表达式的，而在正则里面反斜杠是转义字符，
所以不可能出现在字符串的末尾的，所以建议不要图方便在其他的地方使用raw。