转义正则表达式字符串

为此使用 re.escape() 函数：

4.2.3 re Module Contents

escape(string) 返回所有非字母数字反斜杠的字符串；如果您想匹配其中可能包含正则表达式元字符的任意文字字符串，这很有用。

一个简单的示例，搜索任何出现的提供的字符串（可选地后跟“s”），并返回匹配对象。

def simplistic_plural(word, text):
    word_or_plural = re.escape(word) + 's?'
    return re.match(word_or_plural, text)

---

您可以使用 re.escape()：

re.escape(string) 返回所有非字母数字反斜杠的字符串；如果您想匹配其中可能包含正则表达式元字符的任意文字字符串，这很有用。

>>> import re
>>> re.escape('^a.*$')
'\\^a\\.\\*\\$'

如果您使用的 Python 版本 < 3.7，这将转义不属于正则表达式语法的非字母数字。

如果您使用的是 Python 版本 < 3.7 但 >= 3.3，这将转义非字母数字，这些非字母数字 不是 正则表达式语法的一部分，除了专门用于下划线 (_)。

---

不幸的是，re.escape() 不适合替换字符串：

>>> re.sub('a', re.escape('_'), 'aa')
'\\_\\_'

一种解决方案是将替换放在 lambda 中：

>>> re.sub('a', lambda _: '_', 'aa')
'__'

因为 lambda 的返回值被 re.sub() 视为文字字符串。

---

欧文的回答可能会导致不一致。 lambda 应该只是函数调用的内联替换，但它会产生不同的结果，如下所示。当有人不得不将 lambda 升级为函数调用时，例如为了构建一些额外的复杂性，这会突然崩溃：

import re

xml = """pre@mytag@123@/mytag@post"""

replacewith = '@mytag@456 \\1@/mytag@'

regexp = re.compile(r'@mytag@(.*?)@/mytag@', re.S|re.M|re.I)

def rw(inp):

  return inp

result = regexp.sub(lambda _: replacewith, xml)

print(result) # desired result

result = regexp.sub(rw(replacewith), xml)

print(result) # undesired result

---

通常，将您输入正则表达式的字符串转义，使得正则表达式从字面上考虑这些字符。请记住，通常您在计算机中键入字符串，然后计算机插入特定字符。当您在编辑器中看到 \n 时，它并不是真正的新行，直到解析器确定它是。是两个字符。一旦你通过 python 的 print 传递它，它将显示它并因此将它解析为一个新的一行，但在你在编辑器中看到的文本中，它可能只是反斜杠的字符，后跟 n。如果您执行 \r"\n"，那么 python 将始终将其解释为您输入的原始内容（据我所知）。更复杂的是，正则表达式还有另一种语法/语法。正则表达式解析器将解释它收到的字符串与 python 的打印不同。我相信这就是为什么我们建议传递像 r"(\n+) 这样的原始字符串 - 以便正则表达式接收您实际输入的内容。但是，正则表达式将收到一个括号，并且不会将其作为文字括号进行匹配，除非您告诉它明确使用 regex 自己的语法规则。为此，您需要 r"(\fun \( x : nat \) :)" 在这里第一个括号不会匹配，因为它是一个捕获组，因为缺少反斜杠，但第二个括号将作为文字括号匹配。

因此，我们通常使用 re.escape(regex) 来转义我们希望按字面解释的内容，即通常会被正则表达式解析器忽略的内容，例如括号、空格等将被转义。例如我在我的应用程序中的代码：

    # escapes non-alphanumeric to help match arbitrary literal string, I think the reason this is here is to help differentiate the things escaped from the regex we are inserting in the next line and the literal things we wanted escaped.
    __ppt = re.escape(_ppt)  # used for e.g. parenthesis ( are not interpreted as was to group this but literally

例如看到这些字符串：

_ppt
Out[4]: '(let H : forall x : bool, negb (negb x) = x := fun x : bool =>HEREinHERE)'
__ppt
Out[5]: '\\(let\\ H\\ :\\ forall\\ x\\ :\\ bool,\\ negb\\ \\(negb\\ x\\)\\ =\\ x\\ :=\\ fun\\ x\\ :\\ bool\\ =>HEREinHERE\\)'
print(rf'{_ppt=}')
_ppt='(let H : forall x : bool, negb (negb x) = x := fun x : bool =>HEREinHERE)'
print(rf'{__ppt=}')
__ppt='\\(let\\ H\\ :\\ forall\\ x\\ :\\ bool,\\ negb\\ \\(negb\\ x\\)\\ =\\ x\\ :=\\ fun\\ x\\ :\\ bool\\ =>HEREinHERE\\)'

我相信存在双反斜杠，以便正则表达式接收文字反斜杠。

顺便说一句，我很惊讶它打印了双反斜杠而不是单个反斜杠。如果有人可以对此发表评论，将不胜感激。我也很好奇现在如何在正则表达式中匹配文字反斜杠。我假设它是 4 个反斜杠，但老实说，由于原始字符串 r 构造，我预计只需要 2 个。

---

请试一试：

\Q 和 \E 作为锚点

放置一个 Or 条件来匹配一个完整的单词或正则表达式。

参考链接：How to match a whole word that includes special characters in regex

---