Python中的反斜杠正则表达式

Question

我正在写一个快速的Python脚本来对我们的一些Hibernate映射文件进行一些检查。我试图使用Python的这一点，以获得一个POJO的表名，它的类路径是否被完全定义：

searchObj = re.search(r'<class name="(.*\\.|)' + pojo + '".*table="(.*?)"', contents) 

但是 - 说POJO是“为MyObject” - 正则表达式不匹配它这一行：

<class name="com.place.package.MyObject" table="my_cool_object" dynamic-insert="true" dynamic-update="true"> 

如果我打印字符串（而在PDB停止）我用搜索，我看到：

'<class name="(.*\\\\.|)MyObject".*table="(.*?)"' 

我很困惑，什么错这里。首先，我的印象是'r'前缀使得反斜杠不会被转义。即便如此，如果我删除了反斜杠的一个这样的，我的搜索字符串是这样的：

searchObj = re.search(r'<class name="(.*\.|)' + pojo + '".*table="(.*?)"', contents) 

和字符串搜索变得

'<class name="(.*\\.|)MyObject".*table="(.*?)"' 

它仍然没有返回匹配。这里有什么问题？我打算使用的regex表达式适用于regex101.com（在显然有问题的区域只有一个反斜杠）。任何想法在这里出了什么问题？

Answer 1

有鉴于此：

re.search(r'<class name="(.*\\.|)' + pojo + '".*table="(.*?)"', contents) 

的模式的第一部分是这样解释：

1. class name=" a literal string beginning with c and ending with " 
2. (    the beginning of a group 
3. .*    zero or more of any characters 
4. \\    a literal single slash 
5. .     any single character 
6. OR 
7.      nothing 
8.)    end of the group 

既然你正在寻找没有反斜杠的字符串，它不会匹配。

如果您打算什么是\\.表示“文字句”，你需要一个反斜杠，因为它是一个原始的字符串中：\.

此外，结束了同组的管道似乎不可思议。我不确定你认为完成了什么。如果你的意思是说“任何数量的字符以点结尾，或者没有结尾”，那么你可以用(.*\.)?来做到这一点，因为?的意思是“零或前面的匹配之一”。

这似乎为我工作：

import re 
contents1 = '''<class name="com.place.package.MyObject" table="my_cool_object" dynamic-insert="true" dynamic-update="true">''' 
contents2 = '''<class name="MyObject" table="my_cool_object" dynamic-insert="true" dynamic-update="true">''' 
pojo="MyObject" 

pattern = r'<class name="(.*\.)?' + pojo + '.*table="(.*?)"' 

assert(re.search(pattern, contents1)) 
assert(re.search(pattern, contents2)) 

Answer 2

在Pythex，我想这正则表达式：此字符串

<class name="(.*)\.MyObject" table="([^"]*)"

：

<class name="com.place.package.MyObject" table="my_cool_object" dynamic-insert="true" dynamic-update="true">

，得到了这两个赛捕捉：

1. com.place.package
2. my_cool_object

所以我觉得在你的情况下，该行

searchObj = re.search(r'<class name="(.*)\.' + pojo + '"table="([^"]*)"', contents) 

会产生你想要的结果。

---

关于混乱的反斜杠 - 增加了两个和然后是四个露面，Python文档7.2. re — Regular expression operations它解释说，r''是“原始字符串符号”，用来规避Python的正字符转义，它采用了反斜线上。所以：

• '\\'指“一个反斜杠组成的串”中，由于串中的第一个反斜杠转义第二反斜杠。 Python看到第一个反斜杠，并认为'下一个字符是特殊字符';然后它看到第二个，并说，'特殊字符是一个实际的反斜杠'。它存储为单个字符\。如果您要求Python打印此文件，它将会跳出输出并向您显示"\\"。
• r'\\'表示“一个由两个实际反斜杠组成的字符串。它存储为字符\，后跟字符\。如果您要求Python打印此文件，它将会跳出输出并向您显示"\\\\"。