先說一個(gè)比較囧的事情：在寫蝦米音樂試聽下載器的時(shí)候遇到一個(gè)問題，因?yàn)楸４娴奈募际怯靡魳返臉?biāo)題命名的，所以碰到一些諸如「対峙/out border」等含有非法字符（哼哼，說的就是你 →_→ Windows）的標(biāo)題的時(shí)候，就會(huì)保存失敗。于是我想起了迅雷的解決方法：把所有的非法字符替換成下劃線。

于是就引入了正則表達(dá)式的使用。一番搜索囫圇吞棗后，我寫下了這樣的函數(shù)：

最近意識(shí)到了這個(gè)函數(shù)里的好多問題：

• Python 和 Shell 不同，無論單引號(hào)還是雙引號(hào)，反斜杠都是轉(zhuǎn)義符。走狗屎運(yùn)的是，Python 對(duì)于沒意義的轉(zhuǎn)義 \/ 的處理是保持原樣。
• 即便如此，sanitize_filename('\\/:*?<>|') 依舊返回 \_______ 而不是全部都是下劃線。

于是感覺得正正經(jīng)經(jīng)看看文檔了。

Raw strings

看了文檔后才意識(shí)到，Python 正則表達(dá)式模塊的轉(zhuǎn)義是獨(dú)立的。例如匹配一個(gè)反斜杠字符需要將參數(shù)寫成：'\\\\'：

Python 將字符串轉(zhuǎn)義：\\\\ 被轉(zhuǎn)義為 \\
re 模塊獲得傳入的 \\ 將其解釋為正則表達(dá)式，按照正則表達(dá)式的轉(zhuǎn)義規(guī)則將其轉(zhuǎn)義為 \
如此麻煩的前提下，Raw String 就大有作為了，顧名思義就是（除了結(jié)尾的反斜杠）不會(huì)被轉(zhuǎn)義的字符串。于是匹配一個(gè)反斜杠字符就可以寫作 r'\\'。

所以上面的 sanitize_filename 改成了：

Regex 和 Match

于是正經(jīng)看看 re 模塊吧～以下為流水帳，供急性子觀看。

Python 的正則表達(dá)式模塊 re 中主要的對(duì)象其實(shí)是這倆：

正則表達(dá)式 RegexObject
匹配 MatchObject
RegexObject 是正則表達(dá)式對(duì)象，所有 match sub 之類的操作都?xì)w它所有。由 re.compile(pattern, flag) 生成。

其中的方法：

search 從任意字符開始匹配，返回 MatchObject 或者 None
match 從第一個(gè)字符開始匹配，返回 MatchObject 或者 None
split 返回由匹配分割的 List
findall 返回所有匹配的 List
finditr 返回 MatchObject 的迭代器
sub 返回替換后的字符串
subn 返回 (替換后的字符串, 替換次數(shù))
re 模塊里提供的函數(shù)如 re.sub re.match re.findall 實(shí)際上都可以認(rèn)為是一種省去直接創(chuàng)建正則表達(dá)式對(duì)象的捷徑。而由于 RegexObject 對(duì)象本身可以反復(fù)使用，這也是它相對(duì)于這些捷徑函數(shù)的優(yōu)勢(shì)所在。

MatchObject 則是匹配對(duì)象，表示一次正則表達(dá)式匹配的結(jié)果。由 RegexObject 的一些方法返回。匹配對(duì)象永遠(yuǎn)是 True 的，另外還有一大堆用來取得正則表達(dá)式中分組（group）相關(guān)信息的方法。

參考

• The Python Standard Library: http://docs.python.org/2/library/re.html

最新評(píng)論