Python正则表达式：如何将引号内内容视为整体避免拆分？

现有Python代码如下，其中self.keywords是包含关键词的列表：

escaped_keywords = list(map(re.escape, self.keywords))

joined_keywords = '|'.join(escaped_keywords)

pattern = rf"\b({joined_keywords})\b|([^\w\s])"

temp = re.split(pattern, line)

当前正则处理带引号的字符串（如"hello, world!"）时，会拆分成'"', 'hello', ',', 'world', '!', '"'，但期望输出为'"', 'hello, world!', '"'——即把双/单引号内的内容视为整体，不拆分其中的符号。此前尝试"(.?)"|'(.?)'未达预期，求正确正则方案。

解决方案 #

核心是让引号内内容的匹配优先级最高，这样正则会先完整捕获引号里的内容，再处理其他规则。修改后的代码如下：

import re

escaped_keywords = list(map(re.escape, self.keywords))
joined_keywords = '|'.join(escaped_keywords)

# 优先匹配双/单引号内的完整内容，再匹配关键词，最后匹配引号外的符号
pattern = r'"([^"]*)"|\'([^\']*)\'|\b(' + joined_keywords + r')\b|([^\w\s])'

temp = re.split(pattern, line)
# 过滤拆分后产生的空值和None
temp = [item for item in temp if item is not None and item != '']

规则细节 #

1. "([^"]*)"：匹配双引号内所有内容（到下一个双引号为止），[^"]*确保不会跨引号匹配
2. \'([^\']*)\'：同理匹配单引号内的内容（注意转义单引号避免语法错误）
3. \b(' + joined_keywords + r')\b：保留原有的关键词独立匹配规则
4. ([^\w\s])：仅匹配引号外的非单词、非空白字符

效果验证 #

输入"hello, world!"时，拆分结果为['"', 'hello, world!', '"']，完全符合预期；同时引号外的关键词和符号仍能正常拆分。

内容的提问来源于stack exchange，提问作者Silicon