用于识别包含在三引号内的有效 Python 字符串的 Javascript 风格正则表达式

Posted 2023-02-22

【中文标题】用于识别包含在三引号内的有效 Python 字符串的 Javascript 风格正则表达式

【英文标题】：Javascript flavor regex for identifying valid Python strings enclosed within triple quotes

【发布时间】：2019-08-20 20:34:50

【问题描述】：

我正在尝试为Qiskit Terra 写一个Prettify-style syntax highlighter（它紧跟Python 语法）。显然，Prettify 使用了 javascript 风格的正则表达式。例如，/^\"(?:[^\"\\]|\\[\s\S])*(?:\"|$)/, null, '"' 是对应于Q# 中有效字符串的正则表达式。基本上，我正在尝试为 Python 组合等效的正则表达式。

现在，我知道 Python 支持三引号内的字符串，即 '''<string>''' 和 """<string>""" 是有效字符串（这种格式特别适用于 docstrings）。为了处理这种情况，我将相应的捕获组写成：

(^\'3(?:[^\\]|\\[\s\S])*(?:\'3$))

这里是regex101 link。

这个works okay 除了在某些情况下，例如：

''' 'This "is" my' && "first 'regex' sentence." ''' &&
''' 'This "is" the second.' '''

很明显，这里应该将''' 'This "is" my' && "first 'regex' sentence." ''' 视为一个字符串，将''' 'This "is" the second.' ''' 视为另一个字符串。但是不，我编写的正则表达式将整个内容组合为一个字符串（检查regex101 link）。也就是说，即使遇到'''（对应开头的'''）也不会结束字符串。

我应该如何修改正则表达式(^\'3(?:[^\\]|\\[\s\S])*(?:\'3$)) 以考虑这种情况？我知道这一点：How to match “anything up until this sequence of characters” in a regular expression? 但它并不能完全回答我的问题，至少不能直接回答。

【问题讨论】：

查看 sublime 模块的语法高亮。并通过正则表达式 sn-ps。语法中的github.com/MagicStack/MagicPython 可能会有所帮助。

@Raymond 谢谢，检查。我刚刚注意到this answer，这让我想知道是否可以使用正则表达式。 ://

【参考方案1】：

我不知道你还想用它做什么，但是下面的正则表达式可以满足你在上面给出的带有 MULTILINE 标志的示例中的要求。

My_search = re.findall("(?:^\'3)(.*)(?:\'3)", My_string, re.MULTILINE)

print(My_search[0])
print(My_search[1])

输出是，

'This "is" my' && "first 'regex' sentence." 
'This "is" the second.' 

你也可以在这里看到它的工作https://regex101.com/r/k4adk2/11

【讨论】：

它解决了 OP 中给出的示例，但它不处理三重引号字符串的一般情况，因为它们可以包含转义引号，例如inr""""\"""" \" 应该被抓住。