如何编写正则表达式来匹配字符串文字，其中转义是双引号字符？

Question

我正在使用 ply 编写一个解析器，它需要识别 FORTRAN 字符串文字。这些用单引号引起来，转义字符是双单引号。即

'I don't明白你的意思'

是一个有效的转义 FORTRAN 字符串。

Ply 接受正则表达式的输入。到目前为止我的尝试没有成功，我不明白为什么。

t_STRING_LITERAL = r"'[^('')]*'"

有什么想法吗？

Answer 1

字符串文字是：

1. 一个左单引号，后跟：
2. 任意数量的双单引号和非单引号，然后是
3. 一个右单引号。

因此，我们的正则表达式是：

r"'(''|[^'])*'"

Answer 2

您想要这样的内容：

r"'([^']|'')*'"

这表示在单引号内可以有双引号或非引号字符。

括号定义一个字符类，您可以在其中列出可能匹配也可能不匹配的字符。它不允许任何比这更复杂的事情，因此尝试使用括号并匹配多字符序列 ('') 不起作用。相反，您的 [^('')] 字符类相当于 [^'()]，即它匹配除单引号或左括号或右括号之外的任何内容。

Answer 3

通常很容易获得一些快速而肮脏的东西来解析给您带来问题的特定字符串文字，但对于通用解决方案，您可以从 pyparsing module：

>>> import pyparsing
>>> pyparsing.quotedString.reString
'(?:"(?:[^"\\n\\r\\\\]|(?:"")|(?:\\\\x[0-9a-fA-F]+)|(?:\\\\.))*")|(?:\'(?:[^\'\\n\\r\\\\]|(?:\'\')|(?:\\\\x[0-9a-fA-F]+)|(?:\\\\.))*\')'

我不确定 FORTRAN 的字符串文字和 Python 的字符串文字之间是否存在显着差异，但如果没有其他的话，它是一个方便的参考。

Answer 4

import re

ch ="'I don''t understand what you mean' and you' ?"

print re.search("'.*?'",ch).group()
print re.search("'.*?(?<!')'(?!')",ch).group()

结果

'I don'
'I don''t understand what you mean'