[已解决]split分割\报错

jcpython2

1. import re
   
2. tx = 'aa,bb!cc! dd/ ee\ ff gg hh'
   
3. print(re.split(';| |,|\*|\n|//|!|\\',tx))

复制代码

替换\符号的时候报错


如果不去除字符串中的\ 只写 ';| |,|\*|\n|//|!'

1. import re
   
2. tx = 'aa,bb!cc! dd/ ee\ ff gg hh'
   
3. print(re.split(';| |,|\*|\n|//|!',tx))

复制代码

输出结果又会变成ee\\这样，多出了\

1. ['aa', 'bb', 'cc', '', 'dd/', 'ee\\', 'ff', 'gg', 'hh']

复制代码

所以如何正确替换\和为啥第二段代码\变成\\?

最佳答案

月排行榜 / 总排行榜

三个晾衣架

2022-11-17 12:56:10

这是输出结果：

1. ['aa', 'bb', 'cc', 'dd', 'ee', 'ff', 'gg', 'hh', 'xx', 'yy', 'zz', 'AA']
   
2. ['\\']
   
3. ['aa', 'bb', 'cc', 'dd', 'ee', 'ff', 'gg', 'hh', 'xx', 'yy', 'zz', 'AA']
   
4. ['\\']
   
5. ['\\']

复制代码

下面这是为啥ee\打印出来是'ee\\'的解释，不知道我写的容不容易理解：

1. # 斜杠\元素会把该符号后面的引号转义为普通的引号，即将引号'视为元素的一部分，而不再视为字符串的结尾。因此，计算机需要再用一个\把反斜杠转义掉，避免发生上述情况，否则将产生语法错误：
   
2. print(['\\']) # 不会报错
   
3. # print(['\']) # 语法错误：SyntaxError: unterminated string literal (字符串未结束，因\后的引号被转义，导致该引号被视为字符串的一部分，而非字符串的结尾)
   
4. 
   
5. # 若按字符串形式打印反斜杠\，且\不位于字符串结尾的引号前，则打印出来的字符串只有1个\：
   
6. text1 = 'ee\ ff'
   
7. i = 0
   
8. for each in text1:
   
9.     print('第%d个元素的列表形式 ---> %s 和字符串形式 ---> %s' % (i, list(each), each))
   
10.     i += 1

复制代码

输出结果：

1. 第0个元素的列表形式 ---> ['e'] 和字符串形式 ---> e
   
2. 第1个元素的列表形式 ---> ['e'] 和字符串形式 ---> e
   
3. 第2个元素的列表形式 ---> ['\\'] 和字符串形式 ---> \
   
4. 第3个元素的列表形式 ---> [' '] 和字符串形式 --->  
   
5. 第4个元素的列表形式 ---> ['f'] 和字符串形式 ---> f
   
6. 第5个元素的列表形式 ---> ['f'] 和字符串形式 ---> f

复制代码

跳转到最佳答案楼层

jackz007

      '\' 是转义字符，通常需要和后续的其它字符（一个或多个）一起表达另外一个不可打印字符，字符串中如果需要出现 '\' 字符本身，那就必须写成 '\\' ，这只不过是表达问题，只有这样写了，Python 才能明白你的意思，并不会因为你写成了 '\\' 就真的成了 '\\'，进入计算机内部后，实际上还是 '\'，之所以要这样做，一切都只不过是为了满足人机对话的要求而已。
      当然，你也可以利用原始字符串来避免转义：r'C:\Windows\System32' ，但是，原始字符串也有一个局限，那就是 '\' 字符不能用来结尾。如果必须这样结尾，那就应该这样写： r'C:\Windows\System32' + '\\'

阿奇_o

1. t = 'aa,bb!cc; dd/ ee\ ff gg hh*xx**yy  zz\tAA'
   
2.                        
   
3. re.split('[*,;!\s\n/\\\]+', t)
   
4.                        
   
5. ['aa', 'bb', 'cc', 'dd', 'ee', 'ff', 'gg', 'hh', 'xx', 'yy', 'zz', 'AA']
   

复制代码

jcpython2

jackz007 发表于 2022-11-15 11:46
'\' 是转义字符，通常需要和后续的其它字符（一个或多个）一起表达另外一个不可打印字符，字符串中如 ...

那第二段代码为啥ee\输出变成了ee\\？

1. import re
   
2. tx = 'aa,bb!cc! dd/ ee\ ff gg hh'
   
3. print(re.split(';| |,|\*|\n|//|!',tx))
   

复制代码

1. ['aa', 'bb', 'cc', '', 'dd/', 'ee\\', 'ff', 'gg', 'hh']

复制代码

三个晾衣架

阿奇_o 发表于 2022-11-15 14:39

大神，为什么这里要用三个\\\才行呢

阿奇_o

三个晾衣架 发表于 2022-11-16 11:15
大神，为什么这里要用三个\\\才行呢

具体我也不知道。。
我推测是因为对于编译器 要处理一个反斜杠是需要两个，你也看到了不匹配反斜杠时，ee\ 变成了 ee\\   
所以，
如果用 r-string 语法时，就是写两个（要匹配的是两个）： re.split(r'[*,;!\s\n/\\]+', t)
如果是用escape语法，就 是写三个，即：  re.split('[*,;!\s\n/\\\]+', t)

ccnuhua

小白路过，学习一下
！

三个晾衣架

阿奇_o 发表于 2022-11-16 20:15
具体我也不知道。。
我推测是因为对于编译器 要处理一个反斜杠是需要两个，你也看到了不匹配反斜杠时，e ...

好的，多谢大神！

三个晾衣架

jcpython2 发表于 2022-11-15 18:30
那第二段代码为啥ee\输出变成了ee\\？

顺着上面两位大神的思路，我觉得应该是这种情况：首先用两个\没有匹配到ee\中的\，而是匹配到了ee\后面的空格，并在此空格处分割，由于split返回的是一个列表，而ee\是该列表中的一个字符串元素，需要用引号括起来，即'ee\'，但\会把后面的引号转义掉，所以计算机需要再用一个反斜杠把ee\中的反斜杠转义掉，所以计算机返回的值就是'ee\\'

三个晾衣架

楼主，我又试了试，最后看小甲鱼视频的时候发现，用re.findall('\\\', 'FishC.\com')会出现SyntaxError，用re.findall('\\', 'FishC.\com')会出现re.Error，然后我搜了一下这个re.Error的bad escape，正好搜到了一篇讲\的博文（https://blog.csdn.net/qq_27283619/article/details/106948855），我看了以后就明白了，感觉讲的挺清楚的，我把相应部分的解释整理了一下附在这里了：

# 正则表达式字符串中的 \ 和 Python 字符串中的 \ 转义类似，
# 他们的区别在于，正则表达式字符串的转义有 2 个水平，第 1 次是 Python 解释器层面的转义，第 2 次是 re 模块正则引擎的转义。
# 因此正则中要匹配 \ 本身，正则表达式字符串需要写成 '\\\\'，如：

import re
t = 'aa,bb!cc; dd/ ee\ ff gg hh*xx**yy  zz\tAA'
t1 = re.split('[\\\\;,*\s/!]+', t)
print(t1)

print(re.findall('\\\\', 'FishC.\com'))

# 上面正则表达式字符串是 '\\\\'，第 1 轮是 Python 解释器转义，转义后结果是 \\;
# 再经过 re 正则引擎的转义，转移后结果是 \，所以正则表达式字符串 '\\\\' 最终匹配的是 \ 本身。

#是不是觉得这样非常麻烦，而且容易出错，因为有 2 次转义。因此，在写正则表达式字符串时，使用原生字符串是非常推荐的写法！
# 因为这样可以减少 Python 解释器转义这一步，只需要 re 模块正则引擎转义，即可。比如，我们想匹配 \ 本身，那么我们用原生正则表达式字符串就可以写成 r'\\'，如：
t2 = re.split(r'[\\;,*\s/!]+', t)
print(t2)

print(re.findall(r'\\', 'FishC.\com'))

三个晾衣架

这是输出结果：

1. ['aa', 'bb', 'cc', 'dd', 'ee', 'ff', 'gg', 'hh', 'xx', 'yy', 'zz', 'AA']
   
2. ['\\']
   
3. ['aa', 'bb', 'cc', 'dd', 'ee', 'ff', 'gg', 'hh', 'xx', 'yy', 'zz', 'AA']
   
4. ['\\']
   
5. ['\\']

复制代码

下面这是为啥ee\打印出来是'ee\\'的解释，不知道我写的容不容易理解：

1. # 斜杠\元素会把该符号后面的引号转义为普通的引号，即将引号'视为元素的一部分，而不再视为字符串的结尾。因此，计算机需要再用一个\把反斜杠转义掉，避免发生上述情况，否则将产生语法错误：
   
2. print(['\\']) # 不会报错
   
3. # print(['\']) # 语法错误：SyntaxError: unterminated string literal (字符串未结束，因\后的引号被转义，导致该引号被视为字符串的一部分，而非字符串的结尾)
   
4. 
   
5. # 若按字符串形式打印反斜杠\，且\不位于字符串结尾的引号前，则打印出来的字符串只有1个\：
   
6. text1 = 'ee\ ff'
   
7. i = 0
   
8. for each in text1:
   
9.     print('第%d个元素的列表形式 ---> %s 和字符串形式 ---> %s' % (i, list(each), each))
   
10.     i += 1

复制代码

输出结果：

1. 第0个元素的列表形式 ---> ['e'] 和字符串形式 ---> e
   
2. 第1个元素的列表形式 ---> ['e'] 和字符串形式 ---> e
   
3. 第2个元素的列表形式 ---> ['\\'] 和字符串形式 ---> \
   
4. 第3个元素的列表形式 ---> [' '] 和字符串形式 --->  
   
5. 第4个元素的列表形式 ---> ['f'] 和字符串形式 ---> f
   
6. 第5个元素的列表形式 ---> ['f'] 和字符串形式 ---> f

复制代码