如何用正则表达式解析三引号字符串？

Question

我正在为一种小型语言编写一个解析器，它提供与Python相同的“三重引号”字符串。该语言非常简单，可以由有限状态机高效地解析，其中转换由一组正则表达式触发。在

一个强大的约束是解析器必须逐行工作，因此解析三重引号的多行字符串时，FSM至少需要两个状态（一个在“输入”三引号字符串时，一个在“离开”它时）。在

我认为一个简单的解决方案是为每行定义三个regex组：一个用于开始"""模式，一个用于字符串字符，一个用于结束"""模式。因此，通过测试这3组的空性，很容易触发正确的转换

不幸的是，我找不到一个正确的正则表达式来处理所有的情况。以下是我的实验结果：

text = '"""\nabc\n"abc"\n"""abc"""\nabc"""\n"""a"b"c\n"""a"b"c"""'

regex1 = r'\s*("""|")?(.*)("""|")?\s*'
regex2 = r'\s*("""|")?(.*?)("""|")?\s*'

for line in text.split('\n'):
    match = re.match(regex1, line)
    print(line, '-->', match.groups() if match else False)

以及运行此代码时的结果：

^{pr2}$

中间组（.*）太贪心，吃了最后一个定界符。另一方面，当使用lazy表单时（请参见regex2），它并不匹配所有的字符串。在

""" --> ('"""', '', None)
abc --> (None, '', None)
"abc" --> ('"', '', None)
"""abc""" --> ('"""', '', None)
abc""" --> (None, '', None)
"""a"b"c --> ('"""', '', None)
"""a"b"c""" --> ('"""', '', None)

所以我想我需要一个介于两者之间的东西。任何想法都会受到热烈欢迎。。。在

Answer 1

最后，我找到了一个与我的第一个猜测非常接近的解决方案：只需使用lazy量词(.*?)，并使用^（行首）和{}（行尾）包围regex：

regex3 = r'^\s*("""|")?(.*?)("""|")?\s*$'

要获得预期结果：

^{pr2}$

希望它能帮助将来的人。。。在

Answer 2

这可能对你有用

^(\"([^\"\n\\]|\\[abfnrtv?\"'\\0-7]|\\x[0-9a-fA-F])*\"|'([^'\n\\]|\\[abfnrtv?\"'\\0-7]|\\x[0-9a-fA-F])*'|\"\"\"((?!\"\"\")[^\\]|\\[abfnrtv?\"'\\0-7]|\\x[0-9a-fA-F])*\"\"\")$

这是我从一个项目上剪下来的东西。请在regex101.com查看它的实际操作。在