Python正则表达式以单引号匹配文本，忽略转义引号（和制表符/换行符）

给定一个文本文件，其中我要匹配的字符由单引号分隔，但可能有零个或一个转义单引号，以及零个或多个制表符和换行符（非转义）-我只想匹配文本。例如：

menu_item = 'casserole';
menu_item = 'meat 
            loaf';
menu_item = 'Tony\'s magic pizza';
menu_item = 'hamburger';
menu_item = 'Dave\'s famous pizza';
menu_item = 'Dave\'s lesser-known
    gyro';

我只想抓取文本（和空格），忽略制表符/换行符-我并不关心转义引号是否出现在结果中，只要它不影响匹配：

casserole
meat loaf
Tonys magic pizza
hamburger
Daves famous pizza
Dave\'s lesser-known gyro # quote is okay if necessary.

我已经设法创建了一个几乎可以做到这一点的正则表达式-它处理转义引号，但不处理换行符：

menuPat = r"menu_item = \'(.*)(\\\')?(\t|\n)*(.*)\'"
for line in inFP.readlines():
    m = re.search(menuPat, line)
    if m is not None:
        print m.group()

这里肯定有很多正则表达式的问题——但大多数都在使用Perl，如果有一个能满足我的需要，我想不出来：）而且因为我在使用Python，我不在乎它是否分布在多个组中，很容易重新组合它们

一些答案说，只需使用解析文本的代码即可。虽然我确信我可以做到这一点，但我已经非常接近拥有一个可以工作的正则表达式了：），而且它似乎应该是可行的

更新：我刚刚意识到我正在使用Python readlines（）来获取每一行，这显然是在分解传递给正则表达式的行。我正在考虑重新编写，但关于这一部分的任何建议都将非常有用。

这应该可以做到：

menu_item = '((?:[^'\\]|\\')*)'

---

这里的

（？：[^'\]\\\\\'）*

部分匹配任何字符的任何序列，除了

'

和

\

或文字

\'

。前一个表达式

[^'\\]

也允许使用换行符和制表符，然后需要用单个空格替换这些换行符和制表符。

您可以这样冷试：

pattern = re.compile(r"menu_item = '(.*?)(?<!\\)'", re.DOTALL)

---

pattern=re.compile（r“menu_item=”（.*）（此测试脚本应能完成以下功能：

重新导入
re_sq_long=r”“”
#将单引号字符串与转义内容匹配。
""开篇文字引述
（#$1：捕获字符串内容
[^'\]*#零或更多非-'，非反斜杠
（？：#“展开循环”！
\\.#什么都允许。
[^'\]*#零或更多非-'，非反斜杠
)*#完成{（特殊正规*）*}构造。
)#End$1：字符串内容。
“#结束文字引用
"""
re_sq_short=r“（[^'\\]*（？：\\.[^'\]*）*）”
数据=r''
菜单项=‘砂锅菜’；
菜单项='肉
面包；
菜单项=‘托尼的魔法披萨’；
菜单项=‘汉堡包’；
菜单项=‘戴夫著名的比萨饼’；
菜单项=‘Dave’鲜为人知
陀螺'；'''
matches=re.findall（re_sq_long，data，re.DOTALL | re.VERBOSE）
菜单项=[]
对于匹配中的匹配：
match=re.sub（'\s+'，''，match）#清除空白
match=re.sub（r'\\'，''，match）#删除转义符
菜单项。附加（匹配）#添加到菜单列表
打印（菜单项）

以下是正则表达式的简短版本：

（[^'\]*（？：\\.[^'\]*）*）”

此正则表达式使用Jeffrey Friedl的“展开循环”效率技术进行了优化。（请参阅：）以了解详细信息

请注意，上面的正则表达式相当于下面的正则表达式（这更常见，但在大多数NFA正则表达式实现中要慢得多）：

'（（（？：[^'\]\124\\）*）
当你说“替换为一个空格”-你的意思是在运行此RE之前清理/删除制表符/换行符吗？当我尝试您的RE时，它没有任何一行与换行符匹配。@John C:不，我会在之后使用类似于
RE.sub（r“[\n\r\t]+”，“，match）的东西来完成此操作
。但是，对于有换行符的输入行，我的匹配变量m是空的，因此没有任何东西可以替代。Arg！查看我的代码，我正在对输入文件执行readlines（），我认为这在换行符上是中断的。显然，我需要重新编写更多代码（叹气）。值得注意的是，虽然此表达式适用于转义引号，但当它遇到另一个转义序列（如
\n
或一个单独的反斜杠）时，它也将不起作用。您需要将预期遇到的所有转义序列添加到组中，即：
（？：[^'\\]\\\\\\\\\\\\\\\\r \\\\\\\\n\\\\\\\\\\\\\\\ \*）“
看起来很有趣，但正如我在另一条评论中指出的，我刚刚意识到我正在做一个readlines（），它在换行时中断，因此我还有另一个问题要解决。可能重复的不是重复的-我正在尝试处理（非转义）换行符也会打断我的输入数据。我同意，但我认为无论如何都值得指出。只需使用
re.MULTILINE
（）匹配多行，
$
忽略/匹配尾行，
\s
（同一链接）匹配新闻空间。继续，grasshopper；）附带说明：string
菜单项='Dave's less-known\n gyro'；
不包含转义单引号。string-literal包含一个转义单引号，但这有助于Python将其与string-literal引号的结尾区分开来。如果您希望实际测试用例包含转义单引号，则需要类似于
ohai='Dave\\\\\'s'
 。