如何编写正则表达式以获取报价中的所有内容答案

【问题标题】：How to write regular expression to get everything within a quote如何编写正则表达式以获取报价中的所有内容
【发布时间】：2012-02-26 16:18:09
【问题描述】：

有谁知道如何在 python 中使用正则表达式来获取引号之间的所有内容？

例如，文本：“这里有一些文本”....文本：“这里有更多文本！”...文本：“还有一些数字 - 2343- 这里也是”

文本长度不同，有些还包含标点和数字。如何编写正则表达式来提取所有信息？

我想在编译器中看到什么：

这里有一些文字更多文字在这里还有一些数字——2343——也在这里

【问题讨论】：

标签： python regex

【解决方案1】：

这应该适合你：

"(.*?)"

在* 之后放置? 将限制它尽可能少地匹配，因此它不会占用任何引号。

>>> r = '"(.*?)"'
>>> s =  'text: "some text here".... text: "more text in here!"... text:"and some numbers - 2343- here too"'
>>> import re
>>> re.findall(r, s)
['some text here', 'more text in here!', 'and some numbers - 2343- here too']

【讨论】：

【解决方案2】：

尝试"[^"]*"，即" 后跟零个或多个不是" 的项目，然后是"。所以：

pat = re.compile(r'"[^"]*"').

【讨论】：

我比我更喜欢 Karl 的回答。谢谢，卡尔

【解决方案3】：

如果要匹配的引用子字符串不包含转义字符，则 Karl Barker 和 Pierce 的答案都将正确匹配。不过，在这两者中，皮尔斯的表达效率更高：

reobj = re.compile(r"""
    # Match double quoted substring (no escaped chars).
    "                   # Match opening quote.
    (                   # $1: Quoted substring contents.
      [^"]*             # Zero or more non-".
    )                   # End $1: Quoted substring contents.
    "                   # Match closing quote.
    """, re.VERBOSE)

但如果要匹配的引用子字符串确实包含转义字符（例如“她说：\"Hi\" to me.\n"），那么您将需要一个不同的表达式：

reobj = re.compile(r"""
    # Match double quoted substring (allow escaped chars).
    "                   # Match opening quote.
    (                   # $1: Quoted substring contents.
      [^"\\]*           # {normal} Zero or more non-", non-\.
      (?:               # Begin {(special normal*)*} construct.
        \\.             # {special} Escaped anything.
        [^"\\]*         # more {normal} Zero or more non-", non-\.
      )*                # End {(special normal*)*} construct.
    )                   # End $1: Quoted substring contents.
    "                   # Match closing quote.
    """, re.DOTALL | re.VERBOSE)

我知道有几个表达式可以解决问题，但上面的一个（取自MRE3）是最有效的。请参阅my answer to a similar question，其中比较了这些不同的、功能相同的表达式。

【讨论】：