如何用Python正则检测未终止字符串？解决引号匹配与转义问题

问题背景 #

逐行读取代码源文件时，需要检测某一行是否存在未终止字符串（即字符串延续到下一行）。字符串可由"或'开头，且规定重复两次的引号（""或''）为转义字符。现有正则无法正确区分当前字符串的界定符类型，导致误判。

现有正则的缺陷 #

第一种正则 #

(?:\"(?:[^\"]|\"\")+$)|(?:'(?:[^']|'')+$)

在测试用例"this i""s a ' '' nnoying"中会误匹配中间片段，因为正则无法感知当前处于双引号字符串内部，会把单引号区域当成新的未终止字符串。

第二种正则 #

(?:("|')(?:[^"]|"")+$)

在测试用例'test string which " is totally invalid "'中失败，因为未区分捕获到的界定符类型，错误地将双引号视为当前单引号字符串的终止符。

解决方案：使用反向引用锁定界定符 #

利用正则的反向引用，捕获开头的引号类型后，后续仅以该引号作为终止符判断依据，同时兼容转义的重复引号。

最终正则（Python风格） #

(["'])(?:(?!\1|\1{2}).|\1{2})*\1?$

正则逻辑拆解 #

• (["'])：捕获分组1，匹配双引号或单引号，确定当前字符串的界定符
• (?:(?!\1|\1{2}).|\1{2})*：非捕获分组，匹配字符串内容（重复任意次）
  • (?!\1|\1{2}).：负向前瞻确保当前字符不是单个未转义的界定符，随后匹配任意字符
  • |\1{2}：匹配两个连续的界定符（转义的引号）
• \1?$：匹配可选的结束界定符，若不存在则说明字符串未终止（行尾无对应闭合引号）

测试验证 #

1. 测试"this i""s a ' '' nnoying"：正则从开头"匹配到结尾"，中间单引号和''均被视为字符串内容，无错误匹配
2. 测试'test string which " is totally invalid '：行尾无闭合'，正则匹配整行，正确识别为未终止字符串
3. 测试'test string which " is totally invalid "'：行尾有闭合'，正则匹配完整字符串，不会误判为未终止

内容的提问来源于stack exchange，提问作者Scott