Question

比如说，我想知道模式“\ section”是否在文本“abcd \ sectiondefghi”中。当然，我可以这样做：

import re

motif = r"\\section"
txt = r"abcd\sectiondefghi"
pattern = re.compile(motif)
print pattern.findall(txt)

那会给我我想要的东西。但是，每次我想在新文本中找到新模式时，我都必须更改令人痛苦的代码。因此，我想写一些更灵活的东西，比如这个（test.py）：

import re
import sys

motif = sys.argv[1]
txt = sys.argv[2]
pattern = re.compile(motif)
print pattern.findall(txt)

然后，我想在终端中运行它：

python test.py \\section abcd\sectiondefghi

然而，这不起作用（我讨厌使用\\\\section）。

那么，有没有办法将我的用户输入（从终端或从文件）转换为python原始字符串？或者有更好的方法从用户输入进行正则表达式模式编译吗？

非常感谢。

Answer 1

使用re.escape()确保输入文本在正则表达式中被视为文字文本：

pattern = re.compile(re.escape(motif))

演示：

>>> import re
>>> motif = r"\section"
>>> txt = r"abcd\sectiondefghi"
>>> pattern = re.compile(re.escape(motif))
>>> txt = r"abcd\sectiondefghi"
>>> print pattern.findall(txt)
['\\section']

re.escape()逃脱了所有非字母数字;在每个这样的字符前添加一个反斜杠：

>>> re.escape(motif)
'\\\\section'
>>> re.escape('\n [hello world!]')
'\\\n\\ \\[hello\\ world\\!\\]'

Answer 2

执行此操作的一种方法是使用参数解析器，例如optparse或argparse。

您的代码看起来像这样：

import re
from optparse import OptionParser

parser = OptionParser()
parser.add_option("-s", "--string", dest="string",
                  help="The string to parse")
parser.add_option("-r", "--regexp", dest="regexp",
                  help="The regular expression")
parser.add_option("-a", "--action", dest="action", default='findall',
                  help="The action to perform with the regexp")

(options, args) = parser.parse_args()

print getattr(re, options.action)(re.escape(options.regexp), options.string)

我使用它的一个例子：

> code.py -s "this is a string" -r "this is a (\S+)"
['string']

使用您的示例：

> code.py -s "abcd\sectiondefghi" -r "\section"
['\\section'] 
# remember, this is a python list containing a string, the extra \ is okay.

Answer 3

所以，要清楚，你搜索的东西（在你的例子中是“\ section”）应该是正则表达式还是文字字符串？如果是后者，re模块实际上不是该任务的正确工具;给定搜索字符串needle和目标字符串haystack，您可以执行以下操作：

# is it in there
needle in haystack

# how many copies are there
n = haystack.count(needle)
python test.py \\section abcd\sectiondefghi
# where is it
ix = haystack.find(needle)

所有这些都比基于正则表达式的版本更有效。

如果你需要在运行时将一个文字片段插入一个更大的正则表达式，

re.escape仍然有用，但是如果你最终做re.compile(re.escape(needle))，那么在大多数情况下，这个任务都有更好的工具。 / p> 编辑：我开始怀疑这里真正的问题是shell的转义规则，它与Python或原始字符串无关。也就是说，如果你输入：

python test.py \\section abcd\sectiondefghi

进入Unix风格的shell，在Python看到它之前，shell将“\ section”部分转换为“\ section”。解决这个问题的最简单方法是告诉shell跳过unescaping，你可以把参数放在单引号中去做：

python test.py '\\section' 'abcd\sectiondefghi'

比较和对比：

$ python -c "import sys; print ','.join(sys.argv)" test.py \\section abcd\sectiondefghi
-c,test.py,\section,abcdsectiondefghi

$ python -c "import sys; print ','.join(sys.argv)" test.py '\\section' 'abcd\sectiondefghi'
-c,test.py,\\section,abcd\sectiondefghi

（在此处明确使用连接字符串上的print以避免repr添加更多混淆...）

将命令行参数转换为正则表达式

3 个答案: