正则表达式匹配代码中的字符串语法答案

【问题标题】：Regex to Match String Syntax in Code正则表达式匹配代码中的字符串语法
【发布时间】：2018-04-18 18:00:24
【问题描述】：

比如说，有一个 Python 源代码文件，比如：

def someStuff():
  return "blabla"

myThing = "Bob told me: \"Hello there!\""

twoStrings = "first part " + "second part"

我将如何编写一个正则表达式来匹配：

"blabla"、"Bob told me: \"Hello there!\""、"first part "、&"second part"

包括周围的引号？

最初，我认为这可以简单地使用\"[^\"]*\" 来完成，但这没有考虑到字符串包含\" 的情况。我也尝试过加入消极的后视镜：

(?<!\\)\"[^\"]*(?<!\\)\"

但没有任何成功。处理此问题的推荐方法是什么？

【问题讨论】：

它有是正则表达式吗？有更好的方法从 python 代码中提取字符串文字。
@Aran-Fey 不幸的是，由于我所依赖的库，是的。虽然，从技术上讲，我可以重写整个事情，但除非我绝对确定这将是必需的，但我认为它不会因为正则表达式的强大功能，我真的不想这样做。
如果使用正则表达式，您将不得不处理'''、r'、' """ ' 等内部可能出现的引号。您认为值得付出努力吗？或者这不是你的用例？

标签： python regex escaping syntax-highlighting

【解决方案1】：

这个正则表达式（带有单行修饰符s）应该匹配所有类型的字符串文字：

([bruf]*)("""|'''|"|')(?:(?!\2)(?:\\.|[^\\]))*\2

这支持三引号字符串、转义序列，它还可以捕获任何前缀，例如 r、u、f 和 b。请参阅online demo。

需要单行修饰符s 才能正确匹配多行字符串。此外，启用i 修饰符使其匹配R'nobody uses capitalized prefixes anyways' 等大写前缀。

据我所知，有两个警告：

它还匹配字节文字。
它匹配 cmets 中的字符串文字。

正则表达式的解释：

([bruf]*)          # match and capture any prefix characters
("""|'''|"|')      # match the opening quote
(?:                # as many times as possible...
    (?!\2)         # ...as long as there's no closing quote... 
    (?:            # ...match either...
        \\.        # ...a backslash and the character after it
    |              # ...or...
        [^\\]      # ...a single non-backslash character
    )        
)*
\2                 # match the closing quote

【讨论】：

这个正则表达式是您自己设计的，还是您从其他来源获得的？如果有，能否分享出处？
@Snusifer 自己写的。

【解决方案2】：

使用消极的目光：

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

这使用惰性量词 (*?) 匹配直到下一个引号 (")，只要该引号没有被反斜杠 (\") 转义。与更简单（但错误）的正则表达式进行比较 ".*?"

【讨论】：