用于排除被引号括起来的字母数字字符的负向预读和负向预读答案

【问题标题】：Negative Lookahead & Negative Lookbehind to Exclude Alphanumeric characters surrounded by Quotation marks用于排除被引号括起来的字母数字字符的负向预读和负向预读
【发布时间】：2021-04-11 17:14:28
【问题描述】：

我正在尝试创建一个区分变量名和字符串的正则表达式。字符串用引号括起来，变量名由字母数字字符和下划线组成。我正在尝试匹配整行中的子字符串，因此由于^ 锚定到行首，$ 锚定到行尾，因此我避免了这两个。

我排除某些变量名称的问题涉及我的否定前瞻。它只适用于一个字符，我希望这个规则也适用于子字符串的开头。

例如：

(?<!")([A-Za-z_]+[A-Za-z0-9_]*)(?!")

如果这个正则表达式被赋予字符串Hello there，它将返回两个匹配项，Hello 和there。这是意料之中的。但是，如果我在子字符串的末尾添加引号，则直到带有以下引号的字符之前的每个字符仍将作为匹配项返回。例如，Hello there" 将匹配 Hello 和 ther 与此正则表达式。考虑到我在中组比赛中的第一个系列赛，我想这也是有道理的。

我的分组有什么问题？

【问题讨论】：

所以你想要(?<!")\b([A-Za-z_]+[A-Za-z0-9_]*)\b(?!")？
这肯定更接近我想要的。提供字符串"Hello there how are you" 将排除"Hello 和you"，但它将匹配there、how 和are。我正在考虑的涉及某种递归，以排除引号之间或引号旁边的所有内容。
@WiktorStribiżew 基本上是这个解决方案的逆regex101.com/r/W4qMDG/1
当你说“逆”时，首先想到的是分裂。编程语言是什么？
这是否意味着您要提取这里所有的绿色单词 - regex101.com/r/u4cGMS/1？ re.findall(r''''[^'\\]*(?:\\.[^'\\]*)*'|"[^"\\]*(?:\\.[^"\\]*)*"|(\w+)''', text)

标签： regex

【解决方案1】：

你可以使用

r"""'[^'\\]*(?:\\.[^'\\]*)*'|"[^"\\]*(?:\\.[^"\\]*)*"|\b([A-Za-z_]+[A-Za-z0-9_]*)\b"""

请参阅regex demo。

详情：

'[^'\\]*(?:\\.[^'\\]*)*' - 单引号字符串文字
| - 或
"[^"\\]*(?:\\.[^"\\]*)*" - 双引号字符串文字
| - 或
\b([A-Za-z_]+[A-Za-z0-9_]*)\b - 一个或多个字母或下划线，然后是零个或多个字母数字字符。

见Python demo：

import re
rx = r"""'[^'\\]*(?:\\.[^'\\]*)*'|"[^"\\]*(?:\\.[^"\\]*)*"|\b([A-Za-z_]+[A-Za-z0-9_]*)\b"""
text = r"""
Hello Colm "This is a test\\\\"
"This is also an NL test"
'And this has  an escaped quote don\'t  in it ' Blue Boy
"This has a single quote ' but doesn\' end the quote as it started with double quotes"

"line spanning with escaped quote at the end of a line\"
"

"Foo Bar" "Another Value" something else
"""
print(list(filter(None, re.findall(rx, text))))
# => ['Hello', 'Colm', 'Blue', 'Boy', 'something', 'else']

【讨论】：