如何使用正则表达式解析类Python的三引号字符串？

嘿，这个场景我太熟悉了——之前给一个自定义脚本语言写逐行解析器时，刚好遇到过几乎一模一样的需求！其实核心逻辑真的没那么复杂，就是靠有限状态机的两个核心状态来回切换，再配合逐行扫描处理就行。我给你拆解一下具体实现思路：

首先我们只需要两个基础状态就够了：

• NORMAL：当前处于普通代码行，没有进入多行字符串
• IN_MULTILINE_STRING：当前正处于三引号包裹的多行字符串中

我们逐行读取输入，然后根据当前状态来处理每一行的内容，重点是跟踪三引号的出现位置，以及处理状态切换：

当处于 NORMAL 状态时 #

1. 在当前行中寻找未被转义的第一个"""（这里要注意，如果你的语言支持转义字符，比如\"""，不能把它当作字符串的起始标记）
2. 如果没找到三引号：整行都是普通代码，直接交给普通代码处理逻辑即可
3. 如果找到了三引号：
   • 先处理三引号之前的普通代码部分
   • 切换状态到IN_MULTILINE_STRING
   • 继续从三引号结束的位置开始扫描剩余内容（如果同一行后面还有内容，比如"""abc"""def，那后面的def要切回普通状态处理）

当处于 IN_MULTILINE_STRING 状态时 #

1. 在当前行中寻找未被转义的"""
2. 如果没找到：整行都是多行字符串的一部分，把它加入到字符串缓冲区中
3. 如果找到了：
   • 把当前行中三引号之前的部分加入缓冲区，然后将整个缓冲区的内容作为完整的多行字符串提交给处理逻辑
   • 清空缓冲区，切换回NORMAL状态
   • 继续从三引号结束的位置扫描剩余内容，当作普通代码处理

我写个类Python的伪代码，你可以直接参考这个逻辑来实现：

# 定义状态常量
STATE_NORMAL = 0
STATE_IN_MULTILINE = 1

# 全局状态和缓冲区
current_state = STATE_NORMAL
multiline_buffer = []

def find_unescaped_triple_quote(s, start=0):
    """辅助函数：查找字符串中第一个未被转义的三引号"""
    pos = start
    str_len = len(s)
    while pos <= str_len - 3:
        if s[pos:pos+3] == '"""':
            # 统计前面的反斜杠数量，判断是否被转义
            backslash_count = 0
            check_pos = pos - 1
            while check_pos >= 0 and s[check_pos] == '\\':
                backslash_count += 1
                check_pos -= 1
            # 偶数个反斜杠=未被转义
            if backslash_count % 2 == 0:
                return pos
        pos += 1
    return -1

def process_line(line):
    global current_state, multiline_buffer
    pos = 0
    line_len = len(line)
    
    while pos < line_len:
        if current_state == STATE_NORMAL:
            quote_pos = find_unescaped_triple_quote(line, pos)
            if quote_pos == -1:
                # 处理剩余的普通代码
                if pos < line_len:
                    handle_normal_code(line[pos:])
                pos = line_len
            else:
                # 处理三引号前的普通代码
                if quote_pos > pos:
                    handle_normal_code(line[pos:quote_pos])
                # 切换到多行字符串状态
                current_state = STATE_IN_MULTILINE
                pos = quote_pos + 3  # 跳过三引号
        else:
            quote_pos = find_unescaped_triple_quote(line, pos)
            if quote_pos == -1:
                # 整行加入缓冲区（注意是否保留换行符，根据你的语言规范调整）
                multiline_buffer.append(line[pos:])
                pos = line_len
            else:
                # 处理到闭合三引号前的字符串内容
                multiline_buffer.append(line[pos:quote_pos])
                # 提交完整的多行字符串
                handle_multiline_string(''.join(multiline_buffer))
                multiline_buffer = []
                # 切换回普通状态
                current_state = STATE_NORMAL
                pos = quote_pos + 3  # 跳过三引号

# 示例处理函数，根据你的需求替换成实际逻辑
def handle_normal_code(code):
    if code.strip():
        print(f"[普通代码] {repr(code)}")

def handle_multiline_string(s):
    print(f"[多行字符串] {repr(s)}")

• 换行符处理：如果你的语言和Python一样，三引号字符串会保留换行符，那在把行内容加入缓冲区时，可能需要加上换行符（比如multiline_buffer.append(line[pos:] + '\n')），具体看你的语言规范
• 转义字符：如果你的语言支持其他转义（比如\n、\t），在处理多行字符串内容时，可能需要额外做转义解析
• 边缘情况：比如空行、一行内多个三引号嵌套（不过类Python的话，三引号字符串里直接写"""是会闭合的，所以不需要处理嵌套，除非你的语言有特殊规则）

这个逻辑非常高效，完全符合逐行处理的约束，状态机的切换也很清晰，你可以根据自己的语言特性调整细节~

内容的提问来源于stack exchange，提问作者sciroccorics