引用忽略反斜杠的文本正则表达式

Question

我需要一个正则表达式来获取引号内的所有文本（ ", ' ） 例如：

import re
i = 'Test Text 1 "Test Text 2"'
re.compile(regex).findall(i)
# Returns: ['"Test Text 2', '"']

到目前为止，我已经制作了这个正则表达式：

regex = ("(')([^']+)?|(\")([^\"]+)?")

这很好用，但有问题。我希望它像 python 引号颜色编码系统一样工作，所以如果在结束引号之前有反斜杠，我希望它不会停止元素。 例如：

import re
i = 'Test Text 1 "Test Text \\" 2"'
re.compile(regex).findall(i)
# Returns: ['"Test Text " 2', '"']

Answer 1

使用

import re
i = 'Test Text 1 "Test Text \\" 2"'
regex = r"(['\"])((?:\\.|(?!\1)[^\\])*)\1"
print( re.compile(regex, re.DOTALL).findall(i) )
# => [('"', 'Test Text \\" 2')]

请参阅 proof 和 Python demo。

(['"])((?:\\.|(?!\1)[^\\])*)\1 模式匹配第 1 组中的任何引号，然后匹配任何转义序列（使用 \\.）或捕获的引号和反斜杠 ((?!\1)[^\\]) 以外的任何字符，零次或多次，直到捕获的报价（请参阅\1）。