Python 正则表达式 : Ignore Escaped Character

Question

好的，我目前正在使用 Python 的正则表达式库将以下字符串拆分为多组以分号分隔的字段。

'key1:"这是一个测试短语"; key2:“这是另一个测试短语”； key3:“好的，这是一个陷阱\；但你应该明白它”；'

正则表达式:\s*([^;]+[^\\])\s*;

我目前正在使用上面的 pcre，它工作正常，直到我遇到一个转义分号包含在上面提到的 key3 短语中的情况。

如何修改此表达式以仅拆分非转义分号？

Answer 1

这个的基本版本是您要忽略任何以反斜杠开头的 ;，而不管其他任何内容。这相对简单:

\s*([^;]*[^;\\]);

如果您希望将输入中的转义 反斜杠视为文字，这将变得棘手。例如:

"You may want to split here\\;"
"But not here\;"

如果这是你想要考虑的事情，试试这个(已编辑):

\s*((?:[^;\\]|\\.)+);

为什么这么复杂？因为如果允许转义反斜杠，那么您必须考虑这样的事情:

"0 slashes; 2 slashes\\; 5 slashes\\\\\; 6 slashes\\\\\\;"

每对双反斜杠将被视为文字 \。这意味着 ; 只有在其前面有奇数 个反斜杠时才会被转义。所以上面的输入将像这样分组:

#1: '0 slashes'
#2: '2 slashes\'
#3: '5 slashes\\; 6 slashes\\\'

因此模式的不同部分:

\s*            #Whitespace
((?:
    [^;\\]     #One character that's not ; or \
  |            #Or...
    \\.        #A backslash followed by any character, even ; or another backslash
)+);           #Repeated one or more times, followed by ;

在反斜杠后要求一个字符可确保第二个字符始终正确转义，即使它是另一个反斜杠。