如何用Python regex匹配非关键字、非注释、非引号内的合法变量名？

最终实现正则 #

import regex

var_pattern = regex.compile(
    r'(?:"[^"]*"|;.*$(*SKIP)(*FAIL))|(?!\b(?:OR|AND|IF|THEN|ELSE|READ_GENERIC_TABLE)\b)\b([A-Z][A-Z0-9_]{0,35})\b',
    flags=regex.MULTILINE
)

逻辑说明 #

这个正则采用优先跳过无效内容的策略，利用mrab-regex支持的(*SKIP)(*FAIL)原子操作实现精准过滤：

1. 跳过双引号包裹内容："[^"]*" 匹配完整的双引号字符串，直接跳过不参与后续匹配
2. 跳过注释行内容：;.*$(*SKIP)(*FAIL) 匹配分号开头的整行注释，(*SKIP)(*FAIL) 标记这部分内容完全排除在匹配结果外
3. 匹配合法变量：
   • 负前瞻 (?!\b(?:OR|AND|IF|THEN|ELSE|READ_GENERIC_TABLE)\b) 排除指定关键字
   • \b([A-Z][A-Z0-9_]{0,35})\b 严格匹配符合规则的变量名（大写字母起始，后续可跟0-35个大写字母、数字或下划线）

测试验证 #

针对给定测试字符串执行匹配：

test_string = """ IF t = 0 OR t > POL_TERM_M THEN 0 ELSE IF mult(t+11,12) AND POLICY_YEAR <= TBL_VAL_INT_Y THEN READ_GENERIC_TABLE(TBL_VAL_INT, "Y", ENTRY_YEAR, MVA_OPT, "VAR_NAME", POLICY_YEAR(t)) ELSE VALINT_EL_PC(t-1) """

valid_vars = [var for var in var_pattern.findall(test_string) if var]
print(valid_vars)

输出结果完全符合预期：
['POL_TERM_M', 'POLICY_YEAR', 'TBL_VAL_INT_Y', 'TBL_VAL_INT', 'ENTRY_YEAR', 'MVA_OPT', 'VALINT_EL_PC']

之前尝试的问题分析 #

此前添加的[^"]存在两个核心问题：

• 破坏了单词边界\b的判断逻辑，导致变量前后的非引号字符（如空格、括号）被纳入匹配判断，进而误捕关键字
• 无法覆盖变量位于行首/行尾等无前后非引号字符的场景，匹配范围受限

而(*SKIP)(*FAIL)的方式直接将无效内容从匹配池中移除，剩余内容仅需处理合法变量的匹配，逻辑更简洁可靠。

内容的提问来源于stack exchange，提问作者SecBen.dev