Python re.sub 从字符串中删除单引号和双引号答案

【问题标题】：Python re.sub to remove single quotes AND double quotes from stringPython re.sub 从字符串中删除单引号和双引号
【发布时间】：2021-02-26 22:14:11
【问题描述】：

这是一个很快让我发疯的问题。我想从字符串中同时删除 ' 和 " 字符。我想使用 re.sub 来做到这一点（因为我正在尝试比较 re.sub 与 str.replace 所以我想同时做到这一点）。现在我的理解原始字符串的最大特点是转义字符被视为文字，除非它们正在转义打开字符串的字符。所以我有两个想法如何做到这一点：

# 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
'[\\"\']'

给出的模式看起来不同。他们是吗？我测试它们在正则表达式中的行为是否相同：

>>> 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  '
>>>

我的直觉告诉我有两种可能：

'["']' == '[\"']'
'["']' != '[\"']'，但在作为正则表达式处理时表现相同。

那么最后一个测试：

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

那么上面的 2) 是正确的说法吗？你能帮我理解发生了什么吗？

【问题讨论】：

标签： python regex string re rawstring

【解决方案1】：

当您显示它们的值时，它们看起来不同，但就被解释为正则表达式而言，它们是等价的：

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"""))

打印：

["']
abcdef
[\"']
abcdef

说明

原始字符串r'\n'和非原始字符串'\n'之间的区别很大，因为后者是一个特殊的转义序列，相当于换行符，而前者相当于'\\n'，即两者- 反斜杠的字符序列，后跟字母 n。但是对于其他情况，例如'\"，其中后跟双引号的反斜杠不是特殊的转义序列，则反斜杠是多余的，可以忽略，因此["'] 和[\"'] 是等价的。

更新

自从我指出，当反斜杠后面的内容在反斜杠后面有特殊含义时（例如r'\n' 与'\n'），原始字符串中的转义序列与非原始字符串之间通常存在很大差异，对于正则表达式的所有意图和目的，情况并非总是如此。例如，在正则表达式中使用时，Python 正则表达式引擎会将换行符与从两个字符序列r'\n'（即'\\n'）编译的正则表达式或换行符'\n' 匹配：

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'))

打印：

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'>

但通常会使用原始字符串，因为您可能需要在某些情况下使用，例如，r'\1' 引用回捕获组 1，而'\1' 将匹配 '\x01'。

【讨论】：