python - 用于在换行符处拆分的正则表达式，同时忽略由任意数量的引号包围的文本内的换行符

Question

在 Python 中，我需要在换行符处拆分字符串，同时忽略被任意数量的引号包围的文本部分内的换行符(例如“”“这是三引号中的文本”“”，具有相同数量的引号)开头和结尾的引号)。

此示例字符串:

Line outside quotes
Another line
"Two lines inside
normal quotes"
""Two lines inside
fancy "dual" quotes""
"""Three lines inside
"even fancier"
triple quotes"""
Last line

应该生成列表:

['Line outside quotes', 'Another line', '"Two lines inside\nnormal quotes"', 
 '""Two lines inside\nfancy "dual" quotes""', 
 '"""Three lines inside\n"even fancier"\ntriple quotes"""', 
 'Last line']

灵感来自 this answer from Veedrac ，我想出了以下正则表达式来匹配组:

(?:("+)[\s\S]+?\1|.)+

部分 ("+)[\s\S]+?\1 意思是“找到一些引号(匹配组)，然后是任何东西(不贪婪)，并且最后再次匹配组(相同数量的引号)”。

根据 RegExr.com 上的测试，此正则表达式如我所料工作:https://regexr.com/52qla

但是，如果我在 Python 中实现它，我会得到意想不到的结果。我的测试代码:

import re

input = '''Line outside quotes
Another line
"Two lines inside
normal quotes"
""Two lines inside
fancy "dual" quotes""
"""Three lines inside
"even fancier"
triple quotes"""
Last line'''

matcher = re.compile(r'(?:("+)[\s\S]+?\1|.)+')
result = matcher.findall(input)

print(str(result))

产生输出:

['', '', '"', '""', '"""', '']

这不是我所期望的。

如果我使用集成的“re”模块或“regex”模块，似乎没有什么不同。

我希望有人有想法。谢谢!

Answer 1

import re

input = '''Line outside quotes
Another line
"Two lines inside
normal quotes"
""Two lines inside
fancy "dual" quotes""
"""Three lines inside
"even fancier"
triple quotes"""
Last line'''

matcher = re.compile(r'(?:("+)([\s\S]+?)\1|(.+))', re.MULTILINE)
result = matcher.findall(input)
print(["".join(x) for x in result])

我用上面的代码做了你想要的。在 python 中，您必须添加 re.MULTILINE 以进行多行处理。对于内容导出，"[\s\S]+?" 应该被封装。