一日一技：批量转义正则表达式中的特殊符号

表情符号微信号好玩

例如：

(^_^)加wei辛8五⑦久久二爸好玩~_>我的Q扣八七3玖二流好玩

这些聊天记录总是以表情符号开头，以 好玩结尾。为了屏蔽这些诈骗信息，我们想到使用正则表达式。

我们收集整理了上千个颜文字：

(`ヘ´)（´・ω・｀）（ ´Д｀）（　ﾟДﾟ）┐('～`；)┌ （´∀｀）（　´_ゝ`）Σ(゜д゜;)(*´Д`)(─▽─)(ﾟ∀ﾟ)……

设想在Python里面读取这些颜文字，然后构造正则表达式：

import rewith open('emotion.txt', encoding='utf-8') as f:    emotion_list = [x.strip() for x in f]for emotion in emotion_list:    pattern = f'{emotion}.*?好好玩'    re.search(pattern, content)    ...

但在实际使用过程中，我们发现颜文字里面有非常多的小括号、中括号、大括号、星号、点号、问号之类的符号，这些符号在正则表达式里面有特殊用途，如果直接评价成一个pattern，就会导致正则表达式匹配出问题。

当然我们可以使用replace一个一个给这些特殊符号左边添加反斜杠。但是这样写太过麻烦。

在Python里面，正则表达式模块已经帮我们实现了这个功能—— re.escape。

re.escape可以把传给他们的字符串里面，所有有特殊意义的符号前面加上反斜杠，但又不影响正常的字符。

例如：

import reslogan = '你好，{产品经理*_*?'safe_slogan = re.escape(slogan)print(safe_slogan)

运行效果如下图所示：

特别注意：在Python 3.6或之前版本，除了Ascii字符之外的其他字符都会被加上反斜杠。

从Python 3.7开始，只有在正则表达式里面有特殊意义的符号才会被加上反斜杠。

所以还在用老版本Python的同学，快点换到新版本来吧。