Python 如何标记其他编程语言的源代码？

我想解析一些PHP代码，我制作了regex，它应该将PHP代码拆分为atoms（），但当我尝试执行它时，python无法像在regex101网站上那样拆分这些源代码

为什么我的正则表达式在regex101.com上工作，而不想在实际的python脚本中工作

main.py

import re


class PHPParser:
    def __init__(self, filename):
        # read php file
        with open(filename, 'r') as f:
            self._source = f.read()

        syntax = [
            r'/\*.*?\*/',
            r'".*?"',
            r'\'.*?\'',
            r'\$[\w\d_]+', # variable name
            r'\w+', # function name
            r'return',
            r'<\?php',
            r'=>',
            r'\?>',
            r'\[',
            r'\]',
            r',',
            r';',
            r'\(',
            r'\)',
            r'\.',
            r'\n',
            r'\s',
            r'=',
            r'\W',
        ]

        s = r'(' + r'|'.join(syntax) + r')'
        print(s)
        tokens = re.split(s, self._source, re.DOTALL | re.M | re.I | re.UNICODE)

        print(tokens)


if __name__ == '__main__':
    p = PHPParser('./vendor/yiisoft/yii2/base/Widget.php')

重新导入
PHPPAR类：
def uuu init uuu（self，文件名）：
#读取php文件
将open（filename，'r'）作为f：
self.\u source=f.read（）
语法=[
r'/\*.*？\*/'，
r'“.*”，
r'\'.''？''''，
r'\$[\w\d\]+'，#变量名
r'\w+'，#函数名
r‘返回’，
r'，
r'\？>'，
r'\['，
r'\]'，
r'，'，
r'；'，
r'\（'，
r'\）'，
r'\.'，
r'\n',，
r'\s',，
r'='，
r'\W',，
]
s=r'（'+r'|'.join（语法）+r'）'
印刷品
tokens=re.split（s，self._source，re.DOTALL | re.M | re.I | re.UNICODE）
打印（代币）
如果uuuu name uuuuuu='\uuuuuuu main\uuuuuuu'：
p=PHPParser（'./vendor/yiisoft/yii2/base/Widget.php'）

您可以试试这个

tokens = re.findall(s, self._source, re.DOTALL | re.M | re.I | re.UNICODE)

在其中，我简单地使用

findall（）

重新绘制了

split（）

函数，因为您试图通过

相同的regex

在

regex101.com

中获取匹配字符串，但在python脚本中，您试图通过匹配字符串来

拆分