Python 正则表达式 - 转义答案

【问题标题】：Python Regex - EscapingPython 正则表达式 - 转义
【发布时间】：2012-02-06 06:09:52
【问题描述】：

我有一个 Python 正则表达式，它接受一个字符串（数据库连接 URI）并使用命名组将其拆分为用户名、密码等。

uri = 'username:password@host/database'
m = re.compile('^(?P<user>[^:@]+)(\:(?P<password>[^@]*))?@(?P<host>[^\:@/]+)(\:(?P<port>[0-9]+))?/(?P<db>[^\?]+)?$').match(uri)
print m.groupdict()
{'host': 'host', 'password': 'password', 'db': 'database', 'user': 'username', 'port': None}

这很好用。问题是 uri 中是否有 @ 符号，因为它用于拆分密码和主机。例如，

uri = 'username:p@ssword@host/database'

将不匹配，这是预期的。但是，我希望能够转义特殊字符，例如：

uri = 'username:p\@ssword@host/database'

并让它匹配。我的正则表达式经验非常有限 - 我想我想做的是修改

(?P<password>[^@]*)

group 以便它匹配任何不是 @ 的字符，除非它前面有一个 \ 字符。当然，一些（大多数）连接字符串根本不包含 \@。

非常感谢任何帮助。

【问题讨论】：

为什么一开始就没有进行 URL 编码？
不确定，这不是我的代码。它实际上来自 web2py。无论如何，如果它是 URL 编码的，我会不会有同样的问题，即 @'s 被替换为 %40's？他们仍然需要逃跑..
不，因为正则表达式引擎不进行 URL 解码。

标签： python regex

【解决方案1】：

我的看法是你想要贪婪匹配，即密码在最后一个 @ 并且主机名在最后一个 @ 和第一个 / 之间

一个简单的方法可能是这样的：

In [68]: re.match('((?P<user>.*):)((?P<pass>.*)@)((?P<host>.*)/)((?P<db>.*))', "username:p@ssword@host/data").groupdict()
Out[68]: {'db': 'data', 'host': 'host', 'pass': 'p@ssword', 'user': 'username'}

您可能想要添加可选选项，即 (stuff)+ 如果例如用户名和密码可以省略。

【讨论】：

谢谢。到处都是很好的答案，但这正是我所追求的。谢谢。

【解决方案2】：

你可以这样做：

(?P<password>([^\\@]|\\.)*)

这将扫描您的字符串并匹配：非\ 或非@，或反斜杠，在这种情况下它也匹配后面的任何内容。 '@' 可以被该正则表达式匹配的唯一方法是，如果它通过 \\. 正则表达式潜入，即它被转义了。

顺便说一句，要在 python 中编写正则表达式，请使用 r"insert_regex_here"。

否则，对于正则表达式\\.，您必须像"\\\\." 那样用python 编写它。为了避免这种情况，你可以这样做r"\\."。

【讨论】：

【解决方案3】：

我建议你使用re.split:

>>> print re.split(r"(?<!\\)@|/|:", r"username:password@host/database")
['username', 'password', 'host', 'database']
>>> print re.split(r"(?<!\\)@|/|:", r"username:p\@ssword@host/database")
['username', 'p\\@ssword', 'host', 'database']

【讨论】：