如何编写正则表达式来匹配字符串文字，其中escape是引号字符的两倍？

Question

我写使用ply需要识别FORTRAN字符串字面量的分析器。这些引用带有单引号的转义字符加倍单引号。即

'I don''t understand what you mean'

是一个有效的转义FORTRAN字符串。

帘布层需要输入在正则表达式。到目前为止我的尝试不起作用，我不明白为什么。

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

任何想法？

Answer 1

一个文本字符串是：

1. 开放单引号，依次为：
2. 任何数量加倍单引号和非单引号，然后
3. 密切单引号。

因此，我们的正则表达式是：

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

Answer 2

你想是这样的：

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

这是说单引号内，你可以有双引号或非报价字符。

括号定义了一个字符类，您可以在其中列出可能匹配或不匹配的字符。它不允许任何比这更复杂的事情，所以尝试使用括号并匹配多字符序列('')不起作用。相反，你的[^('')]字符类相当于[^'()]，即它匹配任何东西，这不是一个单引号或左或右括号。

Answer 3

它通常是很容易得到的东西快速和肮脏的解析这是给你的问题，特别是字符串常量，但是对于一般的解决方案，您可以从pyparsing module字符串字面量一个非常强大和完整的正则表达式：

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

我不确定FORTRAN的字符串文字和Python的显着区别，但是如果没有别的，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'