Python re.sub 從字符串中刪除單引號和雙引號

Question

這是一個很快讓我發瘋的問題。 我想從字符串中刪除 ' 和 " 字符。我想用 re.sub 來做（因為我想比較 re.sub 和 str.replace 所以我想兩種方式都做）。現在我的理解原始字符串的優點是轉義字符被視為文字，除非它們是 escaping 打開字符串的字符。所以我有兩個想法如何做到這一點：

# Method 1: concatenate strings that have different enclosing characters
>>> REGEX1 = re.compile(r"[" + r'"' + r"'" + r"]")
>>> REGEX1.pattern
'["\']'
# Method 2: Try to escape one of the quotation characters
>>> REGEX2= re.compile(r"[\"']")
>>> REGEX2.pattern
'[\\"\']'

給出的圖案看起來不同。 他們是嗎？ 我測試它們在正則表達式中的行為是否相同：

>>> test_string = "hello ' world \" "
>>> test_string
'hello \' world " '
>>> result_1 = REGEX1.sub(r'', test_string)
>>> result_2 = REGEX2.sub(r'', test_string)
>>> result_1
'hello  world  '
>>> result_2
'hello  world  '
>>> 

我的直覺告訴我以下兩種情況之一是可能的：

1. '["']' == '[\"']'
2. '["']',= '[\"']'。 但當被視為正則表達式時，其行為等效。

最后一個測試：

>>> '["\']' == '[\\"\']'                                                                                                                                                                                      
False

那么上面的2）是正確的說法嗎？ 你能幫我理解這是怎么回事嗎？

Answer 1

當您顯示它們的值時，它們看起來不同，但就被解釋為正則表達式而言，它們是等價的：

import re


REGEX1 = re.compile(r"[" + r'"' + r"'" + r"]")
print(REGEX1.pattern)
print(REGEX1.sub('', """abc"'def"""))
REGEX2= re.compile(r"[\"']")
print(REGEX2.pattern)
print(REGEX2.sub('', """abc"'def"""))

印刷：

["']
abcdef
[\"']
abcdef 

解釋

原始字符串r'\n'和非原始字符串'\n'之間的區別是巨大的，因為后者是一個特殊的轉義序列，相當於換行符，而前者相當於'\\n' ，即反斜杠后跟字母 n 的兩個字符序列。 但對於其他情況，例如'\" ，其中后跟雙引號的反斜杠不是特殊的轉義序列，那么反斜杠是多余的並且可以忽略，因此["']和[\"']是等價的。

更新

由於我指出當反斜杠后面的內容在反斜杠后面具有特殊含義時（例如r'\n'與'\n' ），原始字符串與非原始字符串中的轉義序列通常存在很大差異，對於正則表達式的所有意圖和目的而言，情況並非總是如此。 例如，在正則表達式中使用時，Python 正則表達式引擎會將換行符與從雙字符序列r'\n' （即'\\n' ）編譯的正則表達式或換行符匹配'\n' :

import re


REGEX1 = re.compile('a\nb') # use actual newline
print('pattern1 = ', REGEX1.pattern)
print(REGEX1.search('a\nb'))
REGEX2 = re.compile(r'a\nb') # use '\\n'
print('pattern 2 =', REGEX2.pattern)
print(REGEX2.search('a\nb'))

印刷：

pattern1 =  a
b
<re.Match object; span=(0, 3), match='a\nb'>
pattern 2 = a\nb
<re.Match object; span=(0, 3), match='a\nb'>

但是，由於您可能需要的情況，通常使用原始字符串，例如， r'\1'返回捕獲組 1 並且'\1'會匹配'\x01' 。