使用python正则表达式转义无效的markdown

Question

我一直试图写一些python来逃避'无效'降价字符串。

这适用于python库（python-telegram-bot），它需要使用\\来转义未使用的降价字符。

我的目标是匹配单独的* ， _ ， `字符，以及无效的超链接 - 例如，如果没有提供链接，并逃避它们。

我正在寻找的一个例子是：

*hello*是好的，不应该改变，而hello*将成为hello\\* 。 最重要的是，如果值是嵌套的，则不应对它们进行转义 - 例如_hello*_应保持不变。

我的想法是首先匹配所有的双打，然后替换任何剩下的孤独的角色。 我使用re.finditer（）管理了一个粗略的版本：

 def parser(txt):
   match_md = r'(\*)(.+?)(\*)|(\_)(.+?)(\_)|(`)(.+?)(`)|(\[.+?\])(\(.+?\))|(?P<astx>\*)|(?P<bctck>`)|(?P<undes>_)|(?P<sqbrkt>\[)'
   for e in re.finditer(match_md, txt):
     if e.group('astx') or e.group('bctck') or e.group('undes') or e.group('sqbrkt'):
       txt = txt[:e.start()] + '\\' + txt[e.start():]
   return txt

note: regex was written to match *text*, _text_, `text`, [text](url), and then single *, _, `, [, knowing the last groups

但是这里的问题当然是当你插入更多的字符时偏移量会发生变化，所以一切都会消失。 当然，除了添加偏移计数器之外，还有更好的方法吗？

我尝试使用re.sub（），但我无法找到如何替换特定组，或者运气好(?:)以“不匹配”有效降价。

这是我的re.sub尝试：

def test(txt):
  match_md = r'(?:(\*)(.+?)(\*))|' \
             '(?:(\_)(.+?)(\_))|' \
             '(?:(`)(.+?)(`))|' \
             '(?:(\[.+?\])(\(.+?\)))|' \
             '(\*)|' \
             '(`)|' \
             '(_)|' \
             '(\[)'
  return re.sub(match_md, "\\\\\g<0>", txt)

这只是为每个匹配带有反斜杠的前缀（这是预期的，但我希望？：会阻止它们匹配。）

奖金将是如果已经在字符串中已被转义，以便它们不会干扰当前的降价 - 这可能是错误的来源，因为库会看到它被转义，导致它看到其余的无效。

提前致谢！

Answer 1

您可能正在寻找这样的正则表达式：

def test(txt):
  match_md = r'((([_*]).+?\3[^_*]*)*)([_*])'
  return re.sub(match_md, "\g<1>\\\\\g<4>", txt)

请注意，为了清楚起见，我只为*和_编了一个样本。 您可以轻松扩展[]括号中的列表。 现在让我们来看看这件事。

我的想法是通过看起来像*foo_*或_bar*_字符串，然后是不包含任何特殊内容的文本。 匹配这样一个字符串的正则表达式是([_*]).+?\\1[^_*]* ：我们匹配一个开头分隔符，将它保存在\\ 1中，然后沿着这条线走得更远，直到我们看到相同的分隔符（现在关闭）。 然后我们吃任何不包含任何分隔符的东西。

现在我们想要这样做，只要没有更多的分隔字符串，这是用(([_*]).+?\\2[^_*]*)* 。 现在剩下的东西，如果有的话，是一个孤立的特殊，这就是我们需要掩盖的东西。 比赛结束后，我们有以下子比赛：

• g <0>：整场比赛
• g <1> : ((([_*]).+?\\3[^_*]*)*)
• g <2> : (([_*]).+?\\3[^_*]*)
• g <3>： ([_*])匹配（因此上面的\\3 ）
• g <4>： ([_*])匹配([_*])要掩盖的那个）

现在剩下的就是找到一种如何处理无效超链接的方法，这是另一个主题。

更新：
不幸的是，这个解决方案掩盖了有效的降价，例如*hello* （=> \\*hello\\* ）。 解决这个问题的方法是在行尾添加一个特殊字符，并在替换完成后删除屏蔽的特殊字符。 OP可能正在寻找更好的解决方案。