Lark 语法：转义字符串正则表达式如何工作？

Question

Lark 解析器预定义了一些常见的终端，包括一个字符串。它的定义如下：

_STRING_INNER: /.*?/
_STRING_ESC_INNER: _STRING_INNER /(?<!\\)(\\\\)*?/ 

ESCAPED_STRING : "\"" _STRING_ESC_INNER "\""

我明白_STRING_INNER。我也明白ESCAPED_STRING是如何组成的。但我真的不明白的是_STRING_ESC_INNER。

如果我正确阅读了正则表达式，它只是说每当我找到两个连续的文字反斜杠时，它们前面不能有另一个文字反斜杠？

如何将这两者组合成一个正则表达式？

语法是否只需要在字符串数据中允许转义双引号？

Answer 1

预赛：

• .*?非贪婪匹配，意味着.（任何符号）的最短可能重复次数。这只有在后面跟着其他东西时才有意义。因此.*?X，输入AAXAAX将仅匹配AAX部分，而不是一直扩展到最后一个X.

• (?<!...)是一个“否定后视断言”（链接）：“如果字符串中的当前位置前面没有匹配......则匹配”。所以.*(?<!X)Y会匹配AY但不会XY。

将此应用于您的示例：

• ESCAPED_STRING：规则说：“匹配"，然后_STRING_ESC_INNER，然后"再”。

• _STRING_INNER: 匹配任何符号的最短可能重复次数。如前所述，这仅在考虑后面的正则表达式时才有意义。

• _STRING_ESC_INNER：我们希望它匹配不包含结束引号的最短字符串。也就是说，对于 input "abc"xyz"，我们想要匹配"abc"，而不是同时消耗xyz"部分。但是，我们必须确保"确实是一个结束语，因为它本身不应该被转义。所以对于 input "abc\"xyz"，我们不想只匹配"abc\"，因为\"被转义了。我们观察到收盘"必须直接在偶数之前\（零是偶数）。所以"可以，\\"可以，\\\\"可以等等。但是只要"前面是奇数的\，就意味着"不是真正的结束语。

  (\\\\)匹配\\。该(?<!\\)说“之前的位置不应该有\”。所以组合(?<!\\)(\\\\)意味着“匹配\\，但前提是它前面没有\”。

  然后，下面*?会尽可能地重复 this，这再次仅在考虑后面的正则表达式时才有意义，即"fromESCAPED_STRING规则（可能的混淆点：\"inESCAPED_STRING指的是"实际输入中的文字，我们想要匹配，\\\\与\\在输入中引用的方式相同）。So 的(?<!\\)(\\\\)*?\"意思是“匹配\\后面是"而不是前面的最短数量\。换句话说，(?<!\\)(\\\\)*?\"只匹配"前面是偶数个\（包括大小为 0 的块）。

  现在，它与前面的结合_STRING_INNER，该_STRING_ESC_INNER规则接着说：比赛中的第一个 "由偶数的前面\，所以换句话说，第一个"在\没有逃脱本身。