python - 用于将 Python 多行字符串与转义字符匹配的正则表达式

Question

我正在解析 Python 源代码，并且我有单引号和双引号字符串的正则表达式(通过阅读 ridgerunner 对 this thread 的回答获得)。

single_quote_re = "'([^'\\\\]*(?:\\\\.[^'\\\\]*)*)'";

double_quote_re = '"([^"\\\\]*(?:\\\\.[^"\\\\]*)*)"';

我现在正在尝试处理 Python 多行字符串(三个双引号)。

s = '"""string one\'s end isn\'t here; \\""" it\'s here """ """string two here"""'
# correct output for findall should be:
#     ['string one\'s end isn\'t here; \\""" it\'s here ','string two here']

我试了一下，但还是不对。

multiline_string_re = '"""([^(""")\\\\]*(?:\\\\.[^(""")\\\\]*)*)"""'

必须有某种方式来表示前面没有反斜杠的“””(换句话说，第一个双引号不会被转义)。

编辑:我应该越来越近了；我尝试了以下方法:

r'(?<!\\)""".*(?<!\\)"""'
# Matches the entire string; not what I'm going for.

r'(?<!\\)"""[^((?<!\\)""")](?<!\\)"""'
# Matches that space between the two strings ('""" """') in the sample string s (see code above, prior to edit).

r'(?<!\\)"""([^((?<!\\)""")]*(?:\\.[^((?<!\\)""")]*)*)(?<!\\)"""'
# Same result as before, but with the triple quotes shaved off (' ').
# Note: I do indeed want the triple quotes excluded.

更新: 解决方案，感谢 sln，似乎是 """[^"\\] (?:(?:\\.|"") [^"\\])*"""

multiline_string_re = '"""[^"\\\\]*(?:(?:\\\\.|"")[^"\\\\]*)*"""'
re.findall(multiline_string_re, s, re.DOTALL)
# Result:
# ['"""string one\'s end isn\'t here; \\""" it\'s here """', '"""string two here"""']

<罢工>

更新的解决方案，再次感谢sln:

multiline_single_re = "'''[^'\\\\]*(?:(?:\\\\.|'{1,2}(?!'))[^'\\\\]*)*'''"
multiline_double_re = '"""[^"\\\\]*(?:(?:\\\\.|"{1,2}(?!"))[^"\\\\]*)*"""'

Answer 1

这是一个在 Perl 中使用正则表达式的测试用例。如果你要允许逃跑
任何东西以及转义双引号形式“”，只需修改其中一个
您选择的正则表达式允许使用双引号。

源字符串已去除单引号转义。

 use strict;
 use warnings;

 $/ = undef;

 my $str = <DATA>;

 while ($str =~ /"[^"\\]*(?:(?:\\.|"")[^"\\]*)*"/sg )
 {
  print "found $&\n";

 }

  __DATA__

  """string one's end isn't here; \""" it's here """ """string two here"""

输出>>

 found """string one's end isn't here; \""" it's here """
 found """string two here"""

请注意，对于有效性和错误处理，正则表达式需要包含
可以在 while 循环体中处理的直通构造(交替)。
示例 /[^"\\]*(?:(?:\\.|"")[^"\\]*)*"|(.)/sg,
然后
同时(){
//如果匹配组 1，并且它不是空格 = 可能的错误

添加 - 回复评论。

经过对 python block 的一些研究 literals ,

看来你不仅要处理转义字符，还要处理
正文中最多 2 个双引号。 IE。 " 或 ""

改变正则表达式很简单。添加一个 1-2 量词并使用前瞻断言对其进行约束。

以下是您可以挑选的原始和字符串正则表达式部分。
在 Perl 中测试，它有效。
祝你好运!

 # Raw - 
 #   (?s:
 #   """[^"\\]*(?:(?:\\.|"{1,2}(?!"))[^"\\]*)*"""
 #   |
 #   '''[^'\\]*(?:(?:\\.|'{1,2}(?!'))[^'\\]*)*'''
 #   )
 # String'd -
 #   '(?s:'
 #   '"""[^"\\\]*(?:(?:\\\.|"{1,2}(?!"))[^"\\\]*)*"""'
 #   '|'
 #   "'''[^'\\\\]*(?:(?:\\\\.|'{1,2}(?!'))[^'\\\\]*)*'''"
 #   ')'


 (?s:                # Dot-All
      # double quote literal block
      """                 # """ block open
      [^"\\]*             # 0 - many non " nor \
      (?:                 # Grp start
           (?:
                \\ .                # Escape anything
             |                      # or
                "{1,2}              # 1 - 2 "
                (?! " )             # Not followed by a "
           )
           [^"\\]*             # 0 - many non " nor \
      )*                  # Grp end, 0 - many times
      """                 # """ block close

   |                      # OR, 

      # single quote literal block
      '''                 # ''' block open
      [^'\\]*             # 0 - many non ' nor \
      (?:                 # Grp start
           (?:
                \\ .                # Escape anything
             |                      # or
                '{1,2}              # 1 - 2 '
                (?! ' )             # Not followed by a '
           )
           [^'\\]*             # 0 - many non ' nor \
      )*                  # Grp end, 0 - many times
      '''                 # ''' block close
 )