在 Programming Collective Intelligence 一书中，有一个正则表达式，
splitter = re.compile('\\W*')
从上下文看来，这匹配任何非字母数字字符。但我很困惑，因为它似乎匹配一个反斜杠，然后是一个或多个 W。它真正匹配的是什么？
问问题
266 次
6 回答
3
您的正则表达式相当于\W*. 它匹配 0 个或多个非字母数字字符。
实际上，您使用的是 python 字符串文字，而不是原始字符串。在 python 字符串文字中，要匹配文字反斜杠，您需要转义反斜杠 - \\，因为反斜杠在那里具有特殊含义。然后对于正则表达式，您需要转义两个反斜杠，以使其成为 - \\\\。
因此，要匹配\后跟 0 或更多W，您需要\\\\W*一个字符串文字。您可以通过使用原始字符串来简化此操作。其中 a\\将匹配文字\。这是因为，在原始字符串中使用反斜杠时，不会以任何特殊方式处理。
以下示例将帮助您理解这一点：
>>> s = "\WWWW$$$$"
# Without raw string
>>> splitter = re.compile('\\W*') # Match non-alphanumeric characters
>>> re.findall(splitter, s)
['\\', '', '', '', '', '$$$$', '']
>>> splitter = re.compile('\\\\W*') # Match `\` followed by 0 or more `W`
>>> re.findall(splitter, s)
['\\WWWW']
# With raw string
>>> splitter = re.compile(r'\W*') # Same as first one. You need a single `\`
>>> re.findall(splitter, s)
['\\', '', '', '', '', '$$$$', '']
>>> splitter = re.compile(r'\\W*') # Same as 2nd. Two `\\` needed.
>>> re.findall(splitter, s)
['\\WWWW']
于 2013-07-17T16:04:21.180 回答
2
第一个反斜杠只是作为转义字符，用于没有良好的正则表达式字符串表示的编程语言（例如：Java）。在 Python 中你可以做得更好，这是等价的：
r'\W*'
请注意r开头的 （原始字符串），这使得不必要地使用第一个\转义字符。第二个\是不可避免的，这是字符类的一部分\W
于 2013-07-17T15:52:15.563 回答
1
\是正则表达式中的转义字符。从左到右\\表示\然后\w*，表示匹配任何非数字加下划线字符。在这种情况下，如果你想要一个\，你必须写\\\\。如果您希望正则表达式更加清晰和简单，您可以使用r'\W*'. 表示原始r字符串，可以让你少写\。
于 2013-07-17T15:52:26.530 回答
0
这匹配非单词字符，意思不是字母数字或下划线。这编译成 \W 这是 \w 的否定版本，其中 \w 匹配任何单词字符。
因此，您认为它与非字母数字匹配是正确的。
有关特殊正则表达式字符的参考，您可以查看此处。 http://www.regular-expressions.info/reference.html
于 2013-07-17T15:52:08.330 回答
0
发生的事情是\有助于转义字符。所以\\意思\。所以你的正则表达式变成（转义后）：
\W*
更好的选择是使用：r'\W*'
于 2013-07-17T15:54:26.787 回答
-1
该正则表达式将匹配一个反斜杠和零个或多个 W。如果要匹配零个或多个非单词字符：
splitter = re.compile(r'\W*')
于 2013-07-17T15:51:56.237 回答