这个python regex是什么意思"([\w\/%]*)“

Question

我正在阅读Shinken /misc/perdata.py中的shinken源代码，我终于找到了一个我无法理解的regex。就像这样：

metric_pattern = re.compile('^([^=]+)=([\d\.\-\+eE]+)([\w\/%]*);?([\d\.\-\+eE:~@]+)?;?([\d\.\-\+eE:~@]+)?;?([\d\.\-\+eE]+)?;?([\d\.\-\+eE]+)?;?\s*')

令我困惑的是，\/在([\w\/%]*)中的含义是什么？

Answer 1

您有理由感到困惑，因为这个regex一定是某个不熟悉Python正则表达式的人编写的。

在某些语言(例如JavaScript)中，正则表达式用斜杠分隔。这意味着，如果你需要在你的正则表达式中的一个实际的斜线，你必须逃避它。因为Python不使用斜杠，所以没有必要转义斜杠(但它也不会导致错误)。

更令人担忧的是，作者没有使用原始字符串。在许多情况下，这并不重要(因为Python将"\d"作为"\\d"来正确地转换为regex \d，但在其他情况下，它会导致问题。一个例子是"\b"，它的意思是“backspace字符”，而不是像regex \b那样的“word boundary anchor”。

此外，作者还逃脱了许多根本不需要转义的角色。整个regex可以重写为

metric_pattern = re.compile(r'^([^=]+)=([\d.+eE-]+)([\w/%]*);?([\d.+eE:~@-]+)?;?([\d.+eE:~@-]+)?;?([\d.+eE-]+)?;?([\d.+eE-]+)?;?\s*')

即使如此，我还是感到惊讶。在我看来很混乱，绝对不是万无一失的。例如，catastrophic backtracking似乎有很大的潜力，这意味着用户可以用恶意输入冻结您的服务器。