Python 中的正则表达式：(?<!\\)\".+(?<!\\)\" 有什么问题？

Question

试图解析引号内的 JSON 键名，包括转义的引号。 我的想法是：在引号 not 之间取任何东西，前缀为 \

(?<!\\)\".+(?<!\\)\"

(?<!\\)\" 应该筛选 " 但不是 \" 但 Python 抱怨括号不平衡。 如果我使用(?<!\\\)\" Python 很高兴，但这不起作用：

re.findall('(?<!\\\)\".+(?<!\\\)\"','"this is \"the\". key"."and this.is.the.child"')

线索：

['"this is "the". key"."and this.is.the.child"']

当我期望时：

['"this is "the". key"', '"and this.is.the.child"']

在用 " 括起来的点处分割，不要转义。

我觉得我需要一个“任何东西，但没有转义双引号”在中间，但如果 [^"] 筛选除双引号外的任何内容，我不知道如何在将字符作为文字的 [ ] 集中否定 (?<!\\\)\" 表达式。 我想要[^(?<!\\\)\"] 之类的东西，但这不起作用。

我尝试了 [[^"]|(\")]+ （除了双引号或 \" 之外的任何东西），但这似乎也不起作用......

似乎找不到正确的方法来执行此操作... 有什么想法吗？

感谢您的帮助

编辑：

我的真正目标是能够拆分完整的“文本”JSON 键名，以将它们转换为仅包含字母数字的值。转换在这里无关紧要，但目标是拆分键以正确表示层次结构。键是文本形式。

编辑 2：

即使 OmnipotentEntity 很可能是正确的，编写解析器也必须等待.. 下面的这个解决方案不支持他的 cmets 中指出的 "\" 或 "\\" 情况。

我和

"(?:\\"|[^"])*?"|(?<=\.)[^".]+?(?=\.)|^[^".]+?(?=\.)|(?<=\.)[^".]+?$

灵感来自 Avinash Raj 的回答 但添加了对不包含在双引号中的键的支持： 没有以 . 结尾的行开头的引号。 。钥匙。 和 .lastkey 当用相同的正则表达式替换 [empty] 时，应该找到比找到的字符串数少 1 个元素，否则会出错。 像 .. outside "" 之类的东西将无法通过该测试

Answer 1

从根本上说，在一般情况下，使用正则表达式来匹配带引号的字符串是不可能的。 JSON 不是正则语言（所有正则语言都是 LL(1) 但不是所有 LL(1) 语言都是正则，JSON 就是其中之一），所以它不能被正则表达式匹配。

例如，Avinash Raj 的正则表达式 (?<!\\)".*?(?<!\\)" 在 "\\" 的情况下失败。因为引号前面是\，但反斜杠不能用作转义符。但是你不能特例这种情况，因为那样"\\\"" 会失败。如果你是这种情况的特殊情况，你可以使用 4 \ 然后 5 \ 等等。

Lookbehinds 不是标准正则表达式的一部分，因此它们可以匹配更多的语法而不是简单的正则表达式。因此，您可能会想出一个适用于这种情况的正则表达式。但是，我建议改为编写解析器，它们对于 LL(1) 语法很容易做到。它将更容易、更容易理解、更不脆弱，并为您提供更多处理不符合标准的 JSON 的能力，并让您能够在这种情况下编写更好的诊断消息。

Answer 2

尝试将您的正则表达式定义为原始字符串表示法。

>>> s = r'"this is \"the\". key"."and this.is.the.child"'
>>> re.findall(r'"(?:\\"|[^"])*?"', s)
['"this is \\"the\\". key"', '"and this.is.the.child"']

DEMO

或

>>> re.findall(r'(?<!\\)".*?(?<!\\)"', s)
['"this is \\"the\\". key"', '"and this.is.the.child"']

• (?<!\\) 调用了否定的lookbehind，它断言匹配不会以反斜杠开头。

• " 匹配双引号。

• .*?(?<!\\)" 非贪婪匹配所有字符，直到双引号前面没有反斜杠。