lark文法：转义字符串正则表达式是如何工作的？

Question

lark解析器预定义了一些常见的终端，包括一个字符串。其定义如下：

_STRING_INNER: /.*?/
_STRING_ESC_INNER: _STRING_INNER /(?<!\\)(\\\\)*?/ 

ESCAPED_STRING : "\"" _STRING_ESC_INNER "\""

我确实明白。我也理解ESCAPED_STRING是如何组成的。但我真正不明白的是_STRING_ESC_INNER

如果我读对了正则表达式，它所说的就是，每当我发现两个连续的文本反斜杠时，它们不能被另一个文本反斜杠所取代

我如何将这两个组合成一个正则表达式

语法不需要在字符串数据中只允许转义双引号吗

Answer 1

预备工作：

• .*?非贪婪匹配，表示.（任何符号）的最短重复次数。这只有在后面跟着其他东西时才有意义。因此，输入AAXAAX上的.*?X将只匹配AAX部分，而不是一直扩展到最后一个X

• (?<!...)是一个“反向查找后断言”（link）：“如果字符串中的当前位置前面没有匹配…，则匹配”。因此.*(?<!X)Y将匹配AY，而不是XY

将此应用于您的示例：

• ESCAPED_STRING：规则说：“匹配"，然后_STRING_ESC_INNER，然后再"”

• _STRING_INNER：匹配任何符号的最短重复次数。如前所述，这只有在考虑后面的正则表达式时才有意义

• _STRING_ESC_INNER：我们希望它匹配不包含结束引号的尽可能短的字符串。也就是说，对于输入"abc"xyz"，我们希望匹配"abc"，而不是同时使用xyz"部分。然而，我们必须确保"实际上是一个结束语，因为它本身不应该被转义。因此，对于输入"abc\"xyz"，我们不希望只匹配"abc\"，因为\"是转义的。我们注意到，结束"之前必须有一个偶数\（零是偶数）。所以"是可以的，\\"是可以的，\\\\"是可以的，等等。但是只要"前面有一个奇数\，这意味着"实际上不是一个结束引号

  (\\\\)匹配\\。{}表示“以前的职位不应该有{}”。因此，组合的(?<!\\)(\\\\)表示“匹配\\，但前提是它前面没有\”

  下面的*?然后进行尽可能小的重复，这同样只有在考虑后面的正则表达式时才有意义，这是来自ESCAPED_STRING规则的"（可能的混淆点：ESCAPED_STRING中的\"指的是文字"在我们想要匹配的实际输入中，以相同的方式\\\\引用输入中的\\）。因此(?<!\\)(\\\\)*?\"意味着“匹配紧跟在"后面而不紧跟在\前面的最短数量的\\。换句话说，(?<!\\)(\\\\)*?\"只匹配前面有偶数个\的"（包括大小为0的块）

  现在将它与前面的_STRING_INNER结合起来，_STRING_ESC_INNER规则说：匹配前面有偶数个\的第一个"，换句话说，第一个"中的\本身并没有转义。