如何编写正则表达式来匹配转义是引号字符的两倍的字符串文字？

Question

我正在使用ply编写一个解析器，它需要标识FORTRAN字符串文本。它们用单引号引起来，转义字符是双引号。i、 e

'I don''t understand what you mean'

是有效的转义FORTRAN字符串。

Ply接受正则表达式中的输入。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

对于解析给您带来问题的特定字符串文本，通常很容易获得快速而脏的内容，但是对于一般解决方案，您可以从pyparsing module中获得一个非常强大且完整的字符串文本正则表达式：

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

我不确定FORTRAN的字符串文本和Python的字符串文本之间是否有显著的区别，但是如果没有其他东西的话，它是一个方便的引用。

Answer 2

你想要这样的东西：

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

这表示在单引号内可以有双引号或非引号字符。

方括号定义了一个字符类，其中列出了可能匹配或不匹配的字符。它不允许任何比这更复杂的操作，因此尝试使用括号并匹配多字符序列('')是行不通的。相反，您的[^('')]字符类等同于[^'()]，即它匹配任何不是单引号或左括号或右括号的内容。

Answer 3

字符串文字是：

1. 一个开放的单引号，后跟：
2. 任何数量的双引号和非单引号，然后
3. 最后一句话。

因此，我们的regex是：

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