在Python中使用正则表达式匹配C ++字符串和字符串文字

Question

我试图在C ++源文件中匹配字符串 （在双引号和单引号之间）和字符串文字 。 我在Python中使用re库。

我已达到可以匹配双引号与r'"(.*?)"'但是在扩展上述正则表达式的语法方面遇到问题也与单引号字符串匹配（与\\混淆以及如何逃避引用Python正则表达式）。

此外，从这里我希望能够匹配以下每种情况：

• “（unescaped_character | escaped_character）*”

• L“（unescaped_character | escaped_character）*”

• u8“（unescaped_character | escaped_character）*”

• 你“（unescaped_character | escaped_character）*”

• U“（unescaped_character | escaped_character）*”

• 前缀（可选）R“分隔符（raw_characters）分隔符”

我对正则表达式很困惑，所有我尝试失败。 任何建议和示例代码对我来说都很棒，以获得理解并且 - 构建所有这些正则表达式。

Answer 1

您可以使用以下正则表达式获取所有字符串文字：

r'(?P<prefix>(?:\bu8|\b[LuU])?)(?:"(?P<dbl>[^"\\]*(?:\\.[^"\\]*)*)"|\'(?P<sngl>[^\'\\]*(?:\\.[^\'\\]*)*)\')|R"([^"(]*)\((?P<raw>.*?)\)\4"'

请参阅正则表达式演示

说明 ：

• (?P<prefix>(?:\\bu8|\\b[LuU])?) - （组名为“prefix”）可选前缀， u8 （整个单词）或L ， u ， U （作为整个单词）
• (?:"(?P<dbl>[^"\\\\]*(?:\\\\.[^"\\\\\\\\]*)*)" - 双引号字符串文字，内容介于"捕获到名为“DBL”基团。该部分匹配"以外，则0+字符\\和"随后用转义序列的序列中的任何数（0+）（ \\\\.接着用比其它0+字符\\和" （它是(?:[^"\\\\]|\\\\.)*的展开版本(?:[^"\\\\]|\\\\.)* ）
• | - 要么
• \\'(?P<sngl>[^\\'\\\\]*(?:\\\\.[^\\'\\\\]*)*)\\') - 单引号字符串文字，内容介于'捕获到组名为“sngl”。 详细了解它的工作原理。
• | - 要么
• R"([^"(]*)\\((?P<raw>.*?)\\)\\4" - 这是一个原始字符串文字部分，将内容捕获到名为raw的组中。首先， R匹配。然后"跟着0 +以外的字符"和(同时将分隔符值捕获到第4组（因为所有命名的组也有它们的数字ID），然后内部的re.S与惰性构造匹配（如果是字符串是多行的，直到第一个)接着是第4组的内容（原始字符串文字分隔符），然后是最后的" 。

示例Python演示 ：

import re

p = re.compile(r'(?P<prefix>(?:\bu8|\b[LuU])?)(?:"(?P<dbl>[^"\\]*(?:\\.[^"\\]*)*)"|\'(?P<sngl>[^\'\\]*(?:\\.[^\'\\]*)*)\')|R"([^"(]*)\((?P<raw>.*?)\)\4"')
s = "\"text'\\\"here\"\nL'text\\'\"here'\nu8\"text'\\\"here\"\nu'text\\'\"here'\nU\"text'\\\"here\"\nR\"delimiter(text\"'\"here)delimiter\""
print(s)
print('--------- Regex works below ---------')
for x in p.finditer(s):
    if x.group("dbl"):
        print(x.group("dbl"))
    elif x.group("sngl"):
        print(x.group("sngl"))
    else:
        print(x.group("raw"))