Python正则表达式中字符集中的反斜杠（backslash）如何指定“非反斜杠”字符集？

Question

我想使用python正则表达式来去除LaTeX文件中的注释。在LaTeX中，注释以“％”开头。但是如果百分号字符被转义（“\％”），那么它不是注释，而是“百分比”符号。

这个任务只是我在LaTeX文本上应用的许多regexp之一。我将所有这些正则表达式存储在一个字典列表中。

我面临的问题是，我用于修剪注释的正则表达式不起作用（因为我不知道如何指定“非反斜杠”字符集）。字符集中的反斜杠会转义闭合的“]”，从而导致正则表达式无效。

我的代码:

regexps=[]
regexps.append({r'left':'%.*', 'right':r''}) # this strips all the comments, but messes up with the percent characters (\%)
regexps.append({r'left':'[^\]%.*', 'right':r''}) # this is incorrect (escapes the closing "]" )
return applyRegexps(latexText, regexps)


def applyRegexps(text, listRegExp):
    """ Applies successively many regexps to a text"""
    if testMode:
        print str(listRegExp)
    # apply all the regexps in the list
    for element in listRegExp:
        left = element['left']
        right = element['right']
        r=re.compile(left)
        text=r.sub(right,text)
    return text

任何帮助都将不胜感激。谢谢！ Gilles

- user1821466

---

你尝试使用 r'[^\\]' 了吗？\\ 应该是正则表达式中转义反斜杠的语法。 - Bakuriu

如果您想在正则表达式中插入一个反斜杠，请将其加倍。您的模式应该读作 '[^\]%.*'。 - Konstantin Tarashchanskiy

谢谢大家，Martijn Pieters的回答有效。我可能有点累了... - user1821466

Answer 1

只需将反斜杠加倍，但使用原始字符串文字可避免再次加倍：

regexps.append({'left':r'[^\\]%.*', 'right':r''})

- Martijn Pieters

Answer 2

虽然Martijn Pieters的回答是你要求的，但我不确定这是否是你真正想要的。例如，此模式将不会匹配字符串的第一个字符%（因为它前面没有非反斜杠字符）。实际上，你可能需要的是负向先行断言（仍需转义反斜杠）：

r'(?<!\\)%.*'

它们的区别在于：

• [^\\]% 匹配一个由非反斜杠字符（包括该字符在内）前导的 %
• (?<!\\)% 匹配一个没有被反斜杠字符前导（不包括它在匹配中）的 %

后者也适用于字符串开头的 %。

- Martin Ender