Python的re.sub从Unicode返回错误编码的数据

Question

>>> re.sub('\w', '\1', 'абвгдеёжз')
'\x01\x01\x01\x01\x01\x01\x01\x01\x01'

为什么re.sub会以这种格式返回数据？在这种情况下，我希望它返回未更改的字符串'абвгдеёжз'。将字符串更改为u'абвгдеёжз'或传递flags=re.U不会执行任何操作。

Answer 1

因为'\1'是带有代码点1的字符（其repr形式为'\x01'）。根据re.sub上的规则，string literals从未看到您的反斜线。即使您确实对它进行了转义，例如在r'\1'或'\\1'中，引用1也不是正确的数字；您需要括号来定义组。 r'\g<0>'将按照re.sub documentation中的描述工作。