如何使用re.sub()生成无元字符冲突的正则原始字符串？

如何使用re.sub()或类似方法执行替换，生成不会因元字符导致正则引擎报错的原始字符串？

import re

personal_pronoun = "se les"   #示例1
personal_pronoun = "se le"    #示例2
personal_pronoun = "se   le"  #示例3
personal_pronoun = "les"      #示例4
personal_pronoun = "le"       #示例5

# re.match()仅匹配字符串开头
if re.match(r"se", personal_pronoun): 
    # 拼接正则“负向后视断言”来实现条件负匹配
    personal_pronoun_for_regex = re.sub(r"^se", r"(?<!se\s)se", personal_pronoun)
else: 
    personal_pronoun_for_regex = personal_pronoun

# re.search()在字符串任意位置查找匹配
if re.search(r"\s*le$", personal_pronoun_for_regex): 
    # 拼接代表单词边界的\b元字符
    personal_pronoun_for_regex = re.sub(r"le$", r"le\b", personal_pronoun_for_regex)

# 使用正则前先查看原始字符串样子
print(repr(personal_pronoun_for_regex)) # --> 输出原始字符串

运行上述代码时出现错误：raise s.error('bad escape %s' % this, len(this)) re.error: bad escape \s at position 6

如何让personal_pronoun_for_regex变量得到符合要求的原始字符串，避免此类re错误？推测错误源于re.sub()函数处理替换正则表达式时出现问题，导致抛出re.error对象。

符合要求的原始正则字符串示例如下：

personal_pronoun_for_regex = r"se les"           #对应示例1
personal_pronoun_for_regex = r"se le\b"          #对应示例2
personal_pronoun_for_regex = r"se   le\b"        #对应示例3
personal_pronoun_for_regex = r"(?<!se\s)les"     #对应示例4
personal_pronoun_for_regex = r"(?<!se\s)le\b"    #对应示例5

问题根源 #

报错核心是re.sub()的替换字符串（repl参数）会被Python先解析转义序列。比如你写的r"(?<!se\s)se"，虽然用了原始字符串，但re.sub处理repl时，会把\s当成Python字符串的转义字符解析，而\s并不是Python合法的转义序列，因此抛出“bad escape”错误。

解决方法 #

方法1：转义替换字符串中的反斜杠 #

把repl里的单个\改成\\，让Python解析后保留单个\供正则引擎使用：

import re

personal_pronoun = "se les"   #示例1
# personal_pronoun = "se le"    #示例2
# personal_pronoun = "se   le"  #示例3
# personal_pronoun = "les"      #示例4
# personal_pronoun = "le"       #示例5

if re.match(r"se", personal_pronoun): 
    # 将\s改为\\s，避免Python解析转义出错
    personal_pronoun_for_regex = re.sub(r"^se", r"(?<!se\\s)se", personal_pronoun)
else: 
    personal_pronoun_for_regex = personal_pronoun

if re.search(r"\s*le$", personal_pronoun_for_regex): 
    # 将\b改为\\b
    personal_pronoun_for_regex = re.sub(r"le$", r"le\\b", personal_pronoun_for_regex)

print(repr(personal_pronoun_for_regex))

方法2：用函数作为repl参数 #

使用lambda函数直接返回目标字符串，绕开Python对转义序列的解析：

import re

personal_pronoun = "se les"   #示例1
# personal_pronoun = "se le"    #示例2
# personal_pronoun = "se   le"  #示例3
# personal_pronoun = "les"      #示例4
# personal_pronoun = "le"       #示例5

if re.match(r"se", personal_pronoun): 
    # 用lambda直接返回正则片段，避免转义问题
    personal_pronoun_for_regex = re.sub(r"^se", lambda m: r"(?<!se\s)se", personal_pronoun)
else: 
    personal_pronoun_for_regex = personal_pronoun

if re.search(r"\s*le$", personal_pronoun_for_regex): 
    personal_pronoun_for_regex = re.sub(r"le$", lambda m: r"le\b", personal_pronoun_for_regex)

print(repr(personal_pronoun_for_regex))

方法3：直接字符串拼接（最直观） #

你的需求是在固定位置添加正则元字符，完全可以不用re.sub，直接用字符串操作实现，彻底避免转义问题：

import re

personal_pronoun = "se les"   #示例1
# personal_pronoun = "se le"    #示例2
# personal_pronoun = "se   le"  #示例3
# personal_pronoun = "les"      #示例4
# personal_pronoun = "le"       #示例5

personal_pronoun_for_regex = personal_pronoun

# 处理开头的se
if personal_pronoun.startswith("se"):
    personal_pronoun_for_regex = r"(?<!se\s)se" + personal_pronoun[2:]

# 处理结尾的le
if personal_pronoun_for_regex.rstrip().endswith("le"):
    idx = personal_pronoun_for_regex.rfind("le")
    personal_pronoun_for_regex = personal_pronoun_for_regex[:idx+2] + r"\b" + personal_pronoun_for_regex[idx+2:]

print(repr(personal_pronoun_for_regex))

内容的提问来源于stack exchange，提问作者Matt095