如何用Python正则匹配未闭合<lsq>标签内的右单引号’

嘿，我来帮你搞定这个正则问题！你的需求是找出那些处于未闭合的<lsq>标签块里的右单引号’，也就是<lsq>之后要么到行尾都没出现对应的<rsq>，要么遇到下一个<lsq>之前都没闭合的情况。

核心思路拆解 #

要定位符合要求的’，需要满足两个关键条件：

1. 这个’必须在某个<lsq>之后，并且从该<lsq>到’的这段内容里没有出现过<rsq>（确保还在未闭合的标签块内）；
2. 从’的位置往后，直到行尾或者下一个<lsq>，也不会出现<rsq>（确保这个标签块最终是未闭合的）。

最终正则表达式 #

结合这两个条件，我们可以写出这样的正则：

(?<=<lsq>(?:(?!<rsq>).)*)’(?!(?:(?!<lsq>).)*<rsq>)

正则各部分解释

• (?<=<lsq>(?:(?!<rsq>).)*)：正向后顾断言，用来确认’的前面是一个<lsq>开头，并且中间的所有内容都没有<rsq>（(?:(?!<rsq>).)*是“匹配任意字符，只要当前位置不是<rsq>的起始”，确保我们还在未闭合的标签块里）；
• ’：我们要匹配的目标字符；
• (?!(?:(?!<lsq>).)*<rsq>)：负向前瞻断言，用来确认从’的位置往后，直到遇到下一个<lsq>或者行尾，都不会出现<rsq>（确保这个标签块不会被闭合）。

Python代码示例 #

把这个正则用到你的搜索替换场景中，代码如下：

import re

# 编译正则（可以复用）
pattern = re.compile(r"(?<=<lsq>(?:(?!<rsq>).)*)’(?!(?:(?!<lsq>).)*<rsq>)")

# 你的目标文本
text = """<p><lsq>Line one, matched one,<rsq></p>
<p><lsq>Line two, unmatched’ one. <lsq>Line two, matched’ pair one.<rsq></p>
<p>Line three, ’fore no tag.</p>
<p>Line four, ’fore first tag. <lsq>Line four, unmatched one’.</p>
<p>Line five free text before. <lsq>Line five, matched one,<rsq> <lsq>line five, ’matched two.<rsq> Line five’ free text after.</p>
<p><lsq>Line six matched one<rsq>, line six free text! <lsq>Line six matched two hittin’ and sittin’ and goin’ on forever.<rsq></p>
<p><lsq>Line seven unmatched’ one.</p>
<p>Line eight free text. Line <lsq>eight’ unmatched one, <lsq>unmatched’ two.</p>"""

# 执行替换，把符合条件的’换成<tag>
processed_text = pattern.sub(r"<tag>", text)
print(processed_text)

效果验证 #

运行这段代码后，只有你指定的那些’会被替换：

• Line two里的unmatched’ one中的’
• Line four里的unmatched one’中的’
• Line seven里的unmatched’ one中的’
• Line eight里的eight’和unmatched’ two中的’

而闭合标签块里的、自由文本里的’都会被忽略，完全符合你的需求。

备注：内容来源于stack exchange，提问作者vr8ce