Question

我想在输入代码时找到源代码中所有Python字符串的内容。我假设字符串包含在一行中，但它可能尚未关闭。

现在我有

for m in re.finditer('''(?P<open>(?:""")|"|(?:''\')|')(?:((?P<closed>.*?)(?P=open))|(?P<unclosed>.*))''', 'as"df'):
    i = 3 if m.group(3) else 4
    print m.group(i)

但是我希望有一个可预测的匹配组来搜索。像

这样的东西

re.finditer('''(?P<open>(?:""")|"|(?:''\')|')(.*?)(?P=open)''', line)

更好，因为字符串文字的内容总是在匹配组中（但是这个字符串与尚未关闭的字符串不匹配）。

编辑：我对多行匹配很好，我的意思是通过将它们排除在输入之外来使问题更简单。

Answer 1

你可以试试这个：

(?s)('''|"""|'|")((?:(?=([^"'\\]+|\\.|(?!\1)["']))\3)*)\1?

引用在第1组中捕获，最后使用反向引用来关闭字符串\1。

[^"'\\]+ | \\. | (?!\1)["']描述了允许的内容：

[^"'\\]+   # all that is not a quote or a backslash
\\.        # an escaped character
(?!\1)["'] # a quote that is not the captured quote

然后，要重复这些元素而不冒catastrophic backtracking的风险，我会使用此技巧模拟atomic group：
(?>subpattern)* =＆gt; (?:(?=(subpattern))\1)*

注意：如果您要禁止多行匹配，则只需将允许的内容更改为 [^"'\r\n\\]+ | \\. | (?!\1)["']并删除(?s)修饰符。

[编辑]

如果要匹配字符串末尾的反斜杠（例如：text = r'''abc def ghi\），则需要将模式更改为：

多线模式：

(?m)('''|"""|'|")((?:(?=([^"'\r\n\\]+|\\(?:.|$)|(?!\1)["']))\3)*)\1?

单线模式：

(?s)('''|"""|'|")((?:(?=([^"'\\]+|\\(?:.|$)|(?!\1)["']))\3)*)\1?

Answer 2

这个怎么样：

^("""|'''|"|')((?!\\").*?)(?:(?<!\\)\1$|$)

当你遇到语法错误的字符串时，当你得到三个（在开始和结束时）有两个双引号时，我不确定你想要的行为。但据我所知，这应该可以胜任。

在代码中使用第二个匹配组。

正则表达式匹配打开或关闭的Python字符串

2 个答案: