扩展正则表达式如何解释 \\n 和 \\\n？

Question

在 ERE 中，反斜杠字符 (\, \a, \b, \f, \n, \r、\t、\v) 被视为转义序列的开始。

然后我看到 \\n 和 [\\\n]，我可以猜测 \\n 和 [\\ \n] 这里意味着 \ 后跟换行符，但我对解释此类序列的确切过程感到困惑，例如需要多少个 \全部？

更新

我在理解编程语言中的正则表达式方面没有问题，因此请在 词法分析器。

[root@ ]# echo "test\
> hi"

Answer 1

实际上，字符串文字指定的正则表达式字符串由两个编译器处理：编程语言编译器和正则表达式编译器：

    Original  Compiled    Regex compiled
    "\n"      NL          NL
    "\\n"     '\'+'n'     NL
    "\\\n"    '\'+NL      NL
    "\\\\n"   '\'+'\'+'n' '\'+'n'

因此您必须使用最短的格式“\n”。

代码示例：

JavaScript：

    'a\nb'.replace(RegExp("\n"),'<br>')
    'a\nb'.replace(RegExp("\\n"),'<br>')
    'a\nb'.replace(RegExp("\\\n"),'<br>')

但不是：

    'a\nb'.replace(/\\\n/,'<br>')

Java：

    System.out.println("a\nb".replaceAll("\n","<br>"));
    System.out.println("a\nb".replaceAll("\\n","<br>"));
    System.out.println("a\nb".replaceAll("\\\n","<br>"));

Python：

    str.join('<br>',regex.split('\n','a\nb'))
    str.join('<br>',regex.split('\\n','a\nb'))
    str.join('<br>',regex.split('\\\n','a\nb'))

Answer 2

这取决于编程语言及其字符串处理选项。

例如，在 Java 字符串中，如果需要在字符串中使用文字反斜杠，则需要将其加倍。因此正则表达式 \n 必须写为 "\\n"。如果您打算使用正则表达式来匹配反斜杠，那么您需要将其转义两次 - 一次用于 Java 的字符串处理程序，一次用于正则表达式引擎。因此，要匹配 \，正则表达式为 \\，对应的 Java 字符串为 "\\\\"。

许多编程语言都有特殊的“逐字”或“原始”字符串，您不需要转义反斜杠。因此，正则表达式 \n 可以写为普通 Python 字符串 "\\n" 或 Python 原始字符串 r"\n". Python 字符串 "\n" 是实际的换行符。

这可能会变得令人困惑，因为有时不转义反斜杠恰好可以工作。例如，Python 字符串 "\d\n" 恰好用作正则表达式，旨在匹配数字，后跟换行符。这是因为 \d 不是 Python 字符串中可识别的字符转义序列，因此它被保留为文字 \d 并以这种方式馈送到正则表达式引擎。 \n 被转换为实际的换行符，但这恰好与正则表达式测试的字符串中的换行符匹配。

但是，如果您忘记转义反斜杠，而结果序列是有效的字符转义序列，则会发生不好的事情。例如，正则表达式 \bfoo\b 匹配整个单词 foo （但与 foobar< 中的 foo 不匹配） /代码>）。如果将正则表达式字符串编写为 "\bfoo\b"，则 \b 会被字符串处理器转换为退格字符，因此正则表达式引擎会被告知进行匹配foo 显然会失败。

解决方案：始终在有的地方使用逐字字符串（例如 Python 的 r"..."、.NET 的 @"..."），或者在有的地方使用正则表达式文字它们（例如 JavaScript 和 Ruby 的 /.../）。或者使用 RegexBuddy 自动将正则表达式翻译为您语言的特殊格式。

回到您的示例：

• \\n 作为正则表达式意味着“匹配反斜杠，后跟 n”
• [\\\n]作为正则表达式意味着“匹配反斜杠或换行符”。