4

Lark 解析器预定义了一些常见的终端，包括一个字符串。定义如下：

_STRING_INNER: /.*?/
_STRING_ESC_INNER: _STRING_INNER /(?<!\\)(\\\\)*?/ 

ESCAPED_STRING : "\"" _STRING_ESC_INNER "\""

我明白_STRING_INNER。我也明白ESCAPED_STRING是怎么组成的。但我真的不明白的是_STRING_ESC_INNER。

如果我正确阅读了正则表达式，它只是说，每当我找到两个连续的文字反斜杠时，它们之前一定不能有另一个文字反斜杠？

如何将这两者组合成一个正则表达式？

并且不要求语法只允许字符串数据中的转义双引号吗？

4

1 回答 1

5

预赛：

  • .*?非贪婪匹配，意味着.（任何符号）的最短可能重复次数。这只有在后面跟着其他东西时才有意义。因此.*?Xon inputAAXAAX将仅匹配AAX部分，而不是一直扩展到最后一个X.

  • (?<!...)是一个“否定的后视断言”（链接）：“如果字符串中的当前位置之前没有匹配 ....，则匹配”。所以.*(?<!X)Y会匹配AY但不是XY。

将此应用于您的示例：

  • ESCAPED_STRING：规则说：“匹配"，然后_STRING_ESC_INNER，然后"再匹配”。

  • _STRING_INNER：匹配任何符号的最短可能重复次数。如前所述，这仅在考虑其后的正则表达式时才有意义。

  • _STRING_ESC_INNER：我们希望它匹配不包含右引号的最短字符串。也就是说，对于一个输入"abc"xyz"，我们想要匹配"abc"，而不是同时消耗xyz"部分。但是，我们必须确保 the"确实是一个结束引号，因为它本身不应该被转义。所以对于 input "abc\"xyz"，我们不想只匹配"abc\"，因为\"被转义了。我们观察到关闭"必须直接在偶数之前\（零是偶数）。所以没问题"，没问题\\"，没问题\\\\"等。但是只要"前面有奇数个\，这意味着 the"并不是真正的结束引号。

    (\\\\)匹配\\。上面说“以前的(?<!\\)位置不应该有\”。所以组合的(?<!\\)(\\\\)意思是“匹配\\，但前提是它前面没有\”。

    然后下面*?会尽可能少地重复这个，这再次只有在考虑到后面出现的正则表达式时才有意义，这是"来自ESCAPED_STRING规则（可能的混淆点：the \"inESCAPED_STRING指的是"我们实际输入中的文字想要匹配，与输入中\\\\引用的方式相同\\）。所以意味着“匹配后面跟不前面(?<!\\)(\\\\)*?\"的最短数量。换句话说，只匹配前面有偶数个（包括大小为0的块）。\\"\(?<!\\)(\\\\)*?\""\

    现在将它与前面_STRING_INNER的 结合起来，_STRING_ESC_INNER规则然后说：匹配第一个 "前面有偶数个\，换句话说，第一个"本身\没有转义的。

于 2020-04-22T20:06:16.477 回答