正則表達式和轉義序列

Question

我有一個文件，其中包含要在db中查找正則表達式的列表。

一個這樣的模式是(/|\)cmd\.com$。但是，當我使用它與重新模塊，它拋出了以下錯誤。如果我使用重新模式(/|\\\\)cmd\.com$，它的工作原理。

所以，問題是當我從一個文件中讀入EX的變量時：a，如何將它轉換爲具有四個反斜槓的reg模式，以便它開始使用python re模塊。

另外，當reg模式被分配給變量EX時，我們如何轉義這種轉義序列：下面的「a」。

對此的任何幫助表示讚賞。

import re 
a='(/|\)cmd\.com$' 
re.compile(a) 

Traceback (most recent call last): 
    File "<stdin>", line 1, in <module> 
    File "/usr/lib/python2.6/re.py", line 190, in compile 
    return _compile(pattern, flags) 
    File "/usr/lib/python2.6/re.py", line 245, in _compile 
    raise error, v # invalid expression 
sre_constants.error: unbalanced parenthesis 

THX， Santhosh

Answer 1

在你上面的例子，你需要做的正則表達式一個Python 「原始」 的字符串，像這樣：

re.compile(r'put the pattern here') 

如果您發佈您的代碼我可能能夠幫助你解決從文件加載模式的問題。

Answer 2

首先請注意，您的原始正則表達式無效。它應該是(/|\\)cmd\.com$。如果這樣的字符串來自數據庫（或代碼中的字符串字面以外的任何其他源），那麼在正則表達式引擎看到它之前不需要執行額外的操作 - 斜槓是正確的。

全部細節，並解釋：

反斜槓的特別之處在於他們逃脫其他字符，給他們不同的含義。

a = '(/|\)cmd\.com$' 

在該正則表達式，所述)是特殊的，指示分組表達式的結尾;反斜槓將它轉義爲使其解釋爲文字)，而不是您想要的（以及爲什麼會得到有關不匹配括號的錯誤）。

您需要轉義反斜槓才能將其解釋爲文字\;這可以使用另一個反斜線來完成：

a = '(/|\\)cmd\.com$' 

然而，即使這是不行的，因爲在Python有處理的兩個級別回事（因此兩個級別的轉義需要）：首先，字符串字面評估反斜槓並且專門解釋反斜線（字符串方式，其中例如\.無意義，因此評估爲\.--然而\\評估爲\）。然後，當正則表達式引擎獲得該字符串時，它會解釋中的任何文字反斜槓專門對象（正則表達式，例如\.使.文字而不是「任何字符」）。所以，你最終用：

a = '(/|\\\\)cmd\\.com$' # Escaped version of (/|\\)cmd\.com$ which is what regex engine will see 

因爲這個問題是如此普遍，Python有文字串的方式使得反斜槓不在琴絃處理階段特殊處理："raw" string literals：

a = r'(/|\\)cmd\.com$' # backslashes here will be interpreted as literal \ characters 

正則表達式引擎仍然會特意解析字符串中的反斜槓（原始字符串只是寫入文字的一種方式;它仍然會產生一個普通的對象）。