如何编写正则捕获单双引号内文本（含嵌套引号）

需求说明 #

需要编写正则表达式，捕获满足以下条件的文本：

• 被单引号或双引号包裹
• 闭合引号与开头引号类型一致
• 支持嵌套不同类型的引号（比如单引号内包含未转义的双引号）

输入示例：

input_str = r"'\'this text must be captured' \"this one too\" 'and this \"nested\" too' 'this should not be captured\"'"

预期结果：

['this text must be captured', 'this one too', 'and this "nested" too']

现有方案的问题分析 #

Pattern 1 #

pattern = r'"(.*?)"|\'(.*?)\''
pattern = r'"([^"]*)"|\'([^\']*)\''

问题：两个分支各自有独立的捕获组，每次匹配只会命中其中一个分支，因此返回结果是包含空值的元组列表，无法直接得到纯净的目标文本。

Pattern 2 #

pattern = r'(?P<unquoted>(?:\"(?:\\.|[^\"\\])*\"|\'(?:\\.|[^\'\\])*\'))'

问题：捕获的是包含首尾引号的整个字符串，而非引号内部的目标文本，不符合需求。

正确的正则方案 #

使用反向引用匹配同类型的首尾引号，并单独捕获内部内容：

import re

input_str = r"'\'this text must be captured' \"this one too\" 'and this \"nested\" too' 'this should not be captured\"'"
pattern = r'(?<!\\)(["\'])((?:\\.|[^\\\1])*)\1'

result = [match.group(2) for match in re.finditer(pattern, input_str)]
print(result)

输出结果：

['this text must be captured', 'this one too', 'and this "nested" too']

正则解析 #

• (?<!\\)：负向断言，确保起始引号未被反斜杠转义（避免误匹配\"abc"这类转义引号开头的内容）
• (["\'])：捕获起始的单/双引号，存入捕获组1，用于后续反向引用匹配闭合引号
• ((?:\\.|[^\\\1])*)：捕获引号内部的目标文本：
  • \\.：匹配任意转义字符（比如\'、\"）
  • [^\\\1]：匹配不是反斜杠且不是起始引号的任意字符（允许嵌套不同类型的引号）
  • (?:...)：非捕获组，将两种规则组合后重复匹配
• \1：反向引用捕获组1的内容，确保闭合引号与起始引号类型一致

关键优势 #

• 自动过滤不匹配的引号对（比如开头单引号、结尾双引号的情况不会被捕获）
• 直接获取引号内部的纯净文本，无需额外去引号处理
• 兼容转义引号和跨类型嵌套引号的场景

内容的提问来源于stack exchange，提问作者Viktor