python - 解析单引号或双引号并允许使用正则表达式转义字符(在 Python 中)

Question

我的输入看起来像一个参数列表:

input1 = '''
title="My First Blog" author='John Doe'
'''

值可以用单引号或双引号括起来，但是也允许转义:

input2 = '''
title='John\'s First Blog' author="John Doe"
'''

有没有一种方法可以使用正则表达式来提取键值对，包括单引号或双引号以及转义引号？

使用 python，我可以使用以下正则表达式并处理非转义引号:

rex = r"(\w+)\=(?P<quote>['\"])(.*?)(?P=quote)"

那么返回是:

import re
re.findall(rex, input1)
[('title', '"', 'My First Blog'), ('author', "'", 'John Doe')]

和

import re
re.findall(rex, input2)
[('title', "'", 'John'), ('author', '"', 'John Doe')]

后者不正确。我不知道如何处理转义引号——假设在 (.*?) 部分。我一直在使用 Python regex to match text in single quotes, ignoring escaped quotes (and tabs/newlines) 上发布的答案中的解决方案无济于事。

从技术上讲，我不需要 findall 来返回引号字符——而只是键/值对——但这很容易处理。

任何帮助将不胜感激!谢谢!

Answer 1

编辑

我最初的正则表达式解决方案中有一个错误。该错误掩盖了您输入字符串中的错误:input2 不是您认为的那样:

>>> input2 = '''
... title='John\'s First Blog' author="John Doe"
... '''
>>> input2      # See - the apostrophe is not correctly escaped!
'\ntitle=\'John\'s First Blog\' author="John Doe"\n'  

您需要将 input2 设为原始字符串(或使用双反斜杠):

>>> input2 = r'''
... title='John\'s First Blog' author="John Doe"
... '''
>>> input2
'\ntitle=\'John\\\'s First Blog\' author="John Doe"\n'

现在您可以使用正则表达式来正确处理转义引号:

>>> rex = re.compile(
    r"""(\w+)# Match an identifier (group 1)
    =        # Match =
    (['"])   # Match an opening quote (group 2)
    (        # Match and capture into group 3:
     (?:     # the following regex:
      \\.    # Either an escaped character
     |       # or
      (?!\2) # (as long as we're not right at the matching quote)
      .      # any other character.
     )*      # Repeat as needed
    )        # End of capturing group
    \2       # Match the corresponding closing quote.""", 
    re.DOTALL | re.VERBOSE)
>>> rex.findall(input2)
[('title', "'", "John\\'s First Blog"), ('author', '"', 'John Doe')]