Warum scheint Python Zeichenfolgen mit maskierten Anführungszeichen anders zu behandeln? [geschlossen] ⇐ Python

[Anonymous]

Ich versuche, eine Zeichenfolge durch mehrere (komplexe) Trennzeichen aufzuteilen. Diese Trennzeichen sollten nur verwendet werden, wenn sie nicht in Anführungszeichen stehen (entweder einfache Anführungszeichen ' oder doppelte Anführungszeichen " ). Diese Anführungszeichen sollten jedoch nur erkannt werden, wenn sie nicht durch ein \ maskiert werden.
Erkennen Sie also diese DELIMITER:

• Code: Select all

  'A string with a DELIMITER to be used.'

• Code: Select all

  "Another string. It\'s got a DELIMITER within escaped \' single-quotes."

Aber nicht die:

• Code: Select all

  'A string with a "DELIMITER" inside quotes.'

• Code: Select all

  'Another string with a \'DELIMITER\' inside quotes.'

Wo ich hängen blieb, war:

• Code: Select all

  'A string with a " \"DELIMITER\" within escaped quotes within quotes", which should not be recognized.'

Ich kann mit diesen maskierten doppelten Anführungszeichen nicht richtig umgehen. Die maskierten Backslashes scheinen die Zeichenfolge zu verlassen, aber die Escape-Funktion des Backslashs führt zu einer verwirrenden Zeichenfolge:

Code: Select all

>>> '"\"'
'""'
>>> len('"\"')
2
>>> '"\\"'
'"\\"'
>>> len('"\\"')
3

Mein (abgekürzter) Code:

Code: Select all

from typing import List

def split_around_needles(expression: str, needles: List[str]) -> List[str]:
buffer: str = ''
parts: List[str] = []
open_quotes: str = ''

for char in expression:
buffer += char

if char in '"\'' and buffer[-1] != '\\':
# if the character is an unescaped quote (no \ before the ' or ")
if open_quotes == '':
# we are entering a quoted area
open_quotes = char
elif open_quotes == char:
# we are leaving the quoted area
open_quotes = ''

continue

if open_quotes != '' or (char not in needles.keys()):
# ignore every character inside valid quotes
# and every character that does not belong to a needle
continue

for needle in needles[char]:
if len(buffer) >= len(needle) and buffer[-1 * len(needle):] == needle:
# found a needle
buffer = buffer[0:-1 * len(needle)].strip()
if buffer != '':
parts.append(buffer)
buffer = ''
parts.append(needle)

if buffer != '':
parts.append(buffer)

return parts

# it does not matter at this point, but needles is a dictionary with the last
# character of the delimiter as its key:
# needles: List[str, str] = {}
# needles['+'] = '+'
# needles['R'] = 'DELIMITER'
# ....

Code: Select all

>>> split_around_needles('"abc" + de')
['"abc"', '+', ' de']

-> richtig

Code: Select all

>>> split_around_needles('"ab+c" + de')
['"ab+c"', '+', ' de']

-> richtig

Code: Select all

>>> split_around_needles('\"ab+c\" + de')
['"ab+c"', '+', ' de']

-> Ich verstehe nicht ganz, warum die Backslashes verschwinden, da sie nicht benötigt werden, um die doppelten Anführungszeichen zu umgehen

Code: Select all

>>> split_around_needles('"a\"b+c" + de')
['"a"b', '+', 'c" + de']

-> Dies folgt der Logik aus dem letzten Beispiel, ist aber nicht das gewünschte Ergebnis... Das \" vor b sollte ignoriert werden, da es maskiert ist, es sollte sein: ['"a\"b+c"', '+', 'de']

Code: Select all

>>> split_around_needles('a\\"+bc')
['a\\"+bc']

-> Ich verstehe das nicht, \" sollte ignoriert werden. Es sollte lauten: ['a\\"', '+', 'bc'] oder vielleicht ['a\"', '+', 'bc']
Kann mir jemand den richtigen Weg weisen?