避免在正则表达式中转义字符

Question

我正在处理 POST 正文的内容，并希望提取每个键的值。我要解析的数据是：

s = b'----------------------------941135026682458398564529\r\nContent-Disposition: form-data; name="username"\r\n\r\nmyusername\r\n----------------------------941135026682458398564529\r\nContent-Disposition: form-data; name="password"\r\n\r\nmypassword\r\n----------------------------941135026682458398564529\r\nContent-Disposition: form-data; name="keyword"\r\n\r\nmykeyword\r\n----------------------------941135026682458398564529--\r\n'

我想通过使用Python的re模块得到值myusername、mypassword和mykeyword。出于这个原因，我生成了这个模式：

pattern = r'\bname=\"{}\"\r\n\r\n([^-]+)\r'

然后根据需要修改以匹配每个键：

username_pattern = re.compile(pattern.format("username"))                                      
password_pattern = re.compile(pattern.format("password"))                      
keyword_pattern = re.compile(pattern.format("keyword"))

我面临的问题是所有反斜杠都被转义了，所以当我定义 pattern 时，我没有保留之前定义的值，而是 每个反斜杠都转义了:

'\bname=\"{}\"\\r\\n\\r\\n([^-]+)\\r'

然后，当我运行 <any of the compiled patterns>.search(s) 方法时没有匹配项。我已经测试了模式 here 并且它对每个关键字都按预期工作。我怎样才能避免这个反斜杠转义？而且，如果我问的是不必要的，我做错了什么？

Answer 1

原始字符串只影响文字的解析方式。字符串对象无法记住您输入的确切内容，因此当它向您显示反斜杠转义时，它向您显示的是非原始文字。

这三个是等价的：

>>> re.compile('\r', re.DEBUG)
LITERAL 13
>>> re.compile('\r', re.DEBUG)
LITERAL 13
>>> re.compile(r'\r', re.DEBUG)
LITERAL 13

但这不是：

>>> re.compile(r'\r', re.DEBUG)
LITERAL 92
LITERAL 114

Answer 2

您已经在使用 raw 前缀。所以不需要双重转义 \r 或 \n 否则它们将按字面意思（正则表达式接受文字 \n 或 \n）。因此，唯一的问题仍然是您需要作为 raw 传递的 \b 字符：

pattern = r'\bname="{}"\r\n\r\n([^-]+)\r'

没有raw的选择：

pattern = '\bname="{}"\r\n\r\n([^-]+)\r'

有了这些我就得到了与你的字符串的匹配（当我将它用作字符串而不是字节时）

避免在正则表达式中转义字符

Avoid escaping characters in regex

regex

python-3.x

escaping

backslash