ruby - Ruby 中奇怪的反斜杠替换

Question

我不明白这段 Ruby 代码:

>> puts '\\ <- single backslash'
# \ <- single backslash

>> puts '\\ <- 2x a, because 2 backslashes get replaced'.sub(/\\/, 'aa')
# aa <- 2x a, because two backslashes get replaced

到目前为止，一切都符合预期。但是如果我们用 /\\/ 搜索 1，然后用 '\\\\' 编码的 2 替换，为什么我们会得到这个:

>> puts '\\ <- only 1 ... replace 1 with 2'.sub(/\\/, '\\\\')
# \ <- only 1 backslash, even though we replace 1 with 2

然后，当我们用 '\\\\\\' 编码 3 时，我们只得到 2:

>> puts '\\ <- only 2 ... 1 with 3'.sub(/\\/, '\\\\\\')
# \\ <- 2 backslashes, even though we replace 1 with 3

任何人都能够理解为什么反斜杠会被替换字符串吞没？这发生在 1.8 和 1.9 上。

Answer 1

快速回答

如果您想避免所有这些混淆，使用更容易混淆的 block 语法。这是一个用 2 个反斜杠替换每个反斜杠的示例:

"some\\path".gsub('\\') { '\\\\' }

---

可怕的细节

问题是，当使用 sub(和 gsub)时，如果没有 block ，ruby 会解释替换参数中的特殊字符序列。不幸的是，sub 使用反斜杠作为这些字符的转义字符:

\& (the entire regex)
\+ (the last group)
\` (pre-match string)
\' (post-match string)
\0 (same as \&)
\1 (first captured group)
\2 (second captured group)
\\ (a backslash)

与任何转义一样，这会产生一个明显的问题。如果你想在输出字符串中包含上述序列之一的文字值(例如 \1)，你必须对其进行转义。因此，要获得 Hello\1，您需要替换字符串为 Hello\\1。为了在 Ruby 中将其表示为字符串文字，您必须像这样再次转义那些反斜杠:"Hello\\\\1"

因此，有两种不同的转义过程。第一个采用字符串文字并创建内部字符串值。第二个采用该内部字符串值并将上面的序列替换为匹配数据。

如果反斜杠后面没有与上述序列之一匹配的字符，则反斜杠(和后面的字符)将不加改变地通过。这也会影响字符串末尾的反斜杠——它将不加改变地通过。在 rubinius 代码中最容易看到这个逻辑；只需在 String class 中查找 to_sub_replacement 方法即可.

以下是String#sub 如何解析替换字符串的一些示例:

• 1 个反斜杠 \(其字符串文字为 "\\")

  原封不动地通过，因为反斜杠位于字符串的末尾并且后面没有任何字符。

  结果: \

• 2 个反斜杠 \\(其字符串文字为 "\\\\")

  这对反斜杠匹配转义的反斜杠序列(参见上面的 \\)并被转换为单个反斜杠。

  结果: \

• 3 个反斜杠 \\\(其字符串文字为 "\\\\\\")

  前两个反斜杠与 \\ 序列匹配并转换为单个反斜杠。然后最后的反斜杠位于字符串的末尾，因此它可以原封不动地通过。

  结果: \\

• 4 个反斜杠 \\\\(其字符串文字为 "\\\\\\\\" )

  两对反斜杠分别匹配 \\ 序列并转换为单个反斜杠。

  结果: \\

• 中间有字符的 2 个反斜杠 \a\(其字符串字面量为 "\\a\\")

  \a 不匹配任何转义序列，因此允许它不加改变地通过。也允许尾随反斜杠。

  结果: \a\

  注意:可以从以下位置获得相同的结果:\\a\\(文字字符串:"\\\\a\\\\")

事后看来，如果 String#sub 使用不同的转义字符，这可能不会那么困惑。这样就不需要双重转义所有反斜杠了。