2. Análisis léxico

A Python program is read by a parser. Input to the parser is a stream of tokens, generated by the lexical analyzer (also known as the tokenizer). This chapter describes how the lexical analyzer breaks a file into tokens.

Python lee el texto del programa como puntos de código Unicode; la codificación de un archivo fuente puede ser dada por una declaración de codificación y por defecto es UTF-8, ver PEP 3120 para más detalles. Si el archivo fuente no puede ser decodificado, se genera un SyntaxError.

2.1. Estructura de línea

Un programa Python se divide en un número de líneas lógicas.

2.1.1. Líneas lógicas

The end of a logical line is represented by the token NEWLINE. Statements cannot cross logical line boundaries except where NEWLINE is allowed by the syntax (e.g., between statements in compound statements). A logical line is constructed from one or more physical lines by following the explicit or implicit line joining rules.

2.1.2. Líneas físicas

Una línea física es una secuencia de caracteres terminada por una secuencia de final de línea. En los archivos fuente y las cadenas, se puede utilizar cualquiera de las secuencias de terminación de línea de la plataforma estándar: el formulario Unix que utiliza ASCII LF (salto de línea, por el inglés linefeed), el formulario Windows que utiliza la secuencia ASCII CR LF (retorno seguido de salto de línea), o el antiguo formulario Macintosh que utiliza el carácter ASCII CR (retorno). Todas estas formas pueden ser utilizadas por igual, independientemente de la plataforma. El final de la introducción de datos también sirve como un terminador implícito para la línea física final.

Al incrustar Python, las cadenas de código fuente deben ser pasadas a las APIs de Python usando las convenciones estándar de C para los caracteres de nueva línea (el carácter \n, que representa ASCII LF, es el terminador de línea).

2.1.3. Comentarios

Un comentario comienza con un carácter de almohadilla (#) que no es parte de un literal de cadena, y termina al final de la línea física. Un comentario implica el final de la línea lógica, a menos que se invoque la regla implícita de unión de líneas. Los comentarios son ignorados por la sintaxis.

2.1.4. Declaración de Codificación

Si un comentario en la primera o segunda línea del script de Python coincide con la expresión regular coding[=:]\s*([-\w.]+), este comentario se procesa como una declaración de codificación; el primer grupo de esta expresión denomina la codificación del archivo de código fuente. La declaración de codificación debe aparecer en una línea propia. Si se trata de la segunda línea, la primera línea debe ser también una línea solamente de comentario. Las formas recomendadas de una expresión de codificación son

# -*- coding: <encoding-name> -*-

que también es reconocido por GNU Emacs y

# vim:fileencoding=<encoding-name>

que es reconocido por el VIM de Bram Moolenaar.

If no encoding declaration is found, the default encoding is UTF-8. If the implicit or explicit encoding of a file is UTF-8, an initial UTF-8 byte-order mark (b'\xef\xbb\xbf') is ignored rather than being a syntax error.

Si se declara una codificación, Python debe reconocer el nombre de la codificación (ver Codificaciones estándar). La codificación se utiliza para todos los análisis léxicos, incluidos las cadenas literales, los comentarios y los identificadores.

2.1.5. Unión explícita de líneas

Dos o más líneas físicas pueden unirse en líneas lógicas utilizando caracteres de barra invertida (\), de la siguiente manera: cuando una línea física termina en una barra invertida que no es parte de literal de cadena o de un comentario, se une con la siguiente formando una sola línea lógica, borrando la barra invertida y el siguiente carácter de fin de línea. Por ejemplo:

if 1900 < year < 2100 and 1 <= month <= 12 \
   and 1 <= day <= 31 and 0 <= hour < 24 \
   and 0 <= minute < 60 and 0 <= second < 60:   # Looks like a valid date
        return 1

Una línea que termina en una barra invertida no puede llevar un comentario. Una barra invertida no continúa un comentario. Una barra invertida no continúa un token excepto para los literales de la cadena (es decir, los tokens que no sean literales de la cadena no pueden ser divididos a través de líneas físicas usando una barra invertida). La barra invertida es ilegal en cualquier parte de una línea fuera del literal de la cadena.

2.1.6. Unión implícita de líneas

Las expresiones entre paréntesis, entre corchetes o entre rizos pueden dividirse en más de una línea física sin usar barras invertidas. Por ejemplo:

month_names = ['Januari', 'Februari', 'Maart',      # Son los
               'April',   'Mei',      'Juni',       # nombres holandeses
               'Juli',    'Augustus', 'September',  # para los meses
               'Oktober', 'November', 'December']   # del año

Las líneas continuas implícitas pueden llevar comentarios. La sangría de las líneas de continuación no es importante. Se permiten líneas de continuación en blanco. No hay ningún token NEWLINE (nueva línea) entre las líneas de continuación implícitas. Las líneas de continuación implícitas también pueden aparecer dentro de cadenas de triple comilla ( ver más adelante); en ese caso no pueden llevar comentarios.

2.1.7. Líneas en blanco

A logical line that contains only spaces, tabs, formfeeds and possibly a comment, is ignored (i.e., no NEWLINE token is generated). During interactive input of statements, handling of a blank line may differ depending on the implementation of the read-eval-print loop. In the standard interactive interpreter, an entirely blank logical line (that is, one containing not even whitespace or a comment) terminates a multi-line statement.

2.1.8. Sangría

El espacio en blanco ( espacios y tabulaciones) al principio de una línea lógica se utiliza para calcular el nivel de sangría de la línea, que a su vez se utiliza para determinar la agrupación de las declaraciones.

Los tabuladores se sustituyen (de izquierda a derecha) por uno a ocho espacios, de manera que el número total de caracteres hasta el reemplazo inclusive es un múltiplo de ocho (se pretende que sea la misma regla que la utilizada por Unix). El número total de espacios que preceden al primer carácter no en blanco determina entonces la sangría de la línea. La sangría no puede dividirse en múltiples líneas físicas utilizando barras invertidas; el espacio en blanco hasta la primera barra invertida determina la sangría.

La indentación se rechaza como inconsistente si un archivo fuente mezcla tabulaciones y espacios de manera que el significado depende del valor de una tabulación en los espacios; un TabError se produce en ese caso.

Nota de compatibilidad entre plataformas: debido a la naturaleza de los editores de texto en plataformas que no sean UNIX, no es aconsejable utilizar una mezcla de espacios y tabuladores para la sangría en un solo archivo de origen. También debe tenerse en cuenta que las diferentes plataformas pueden limitar explícitamente el nivel máximo de sangría.

Un carácter formfeed puede estar presente al comienzo de la línea; será ignorado para los cálculos de sangría anteriores. Los caracteres formfeed que aparecen en otras partes del espacio en blanco inicial tienen un efecto indefinido (por ejemplo, pueden poner a cero el recuento de espacio).

The indentation levels of consecutive lines are used to generate INDENT and DEDENT tokens, using a stack, as follows.

Before the first line of the file is read, a single zero is pushed on the stack; this will never be popped off again. The numbers pushed on the stack will always be strictly increasing from bottom to top. At the beginning of each logical line, the line’s indentation level is compared to the top of the stack. If it is equal, nothing happens. If it is larger, it is pushed on the stack, and one INDENT token is generated. If it is smaller, it must be one of the numbers occurring on the stack; all numbers on the stack that are larger are popped off, and for each number popped off a DEDENT token is generated. At the end of the file, a DEDENT token is generated for each number remaining on the stack that is larger than zero.

Aquí hay un ejemplo de un código de Python con una correcta (aunque no tan clara) sangría:

def perm(l):
        # Calcular la lista de todas las permutaciones de l
    if len(l) <= 1:
                  return [l]
    r = []
    for i in range(len(l)):
             s = l[:i] + l[i+1:]
             p = perm(s)
             for x in p:
              r.append(l[i:i+1] + x)
    return r

El siguiente ejemplo muestra varios errores de sangría:

 def perm(l):                       # error: first line indented
for i in range(len(l)):             # error: not indented
    s = l[:i] + l[i+1:]
        p = perm(l[:i] + l[i+1:])   # error: unexpected indent
        for x in p:
                r.append(l[i:i+1] + x)
            return r                # error: inconsistent dedent

(En realidad, los tres primeros errores son detectados por el analizador; sólo el último error es encontrado por el analizador léxico — la sangría de return r no coincide con un nivel sacado de la pila.)

2.1.9. Espacios en blanco entre tokens

Except at the beginning of a logical line or in string literals, the whitespace characters space, tab and formfeed can be used interchangeably to separate tokens. Whitespace is needed between two tokens only if their concatenation could otherwise be interpreted as a different token. For example, ab is one token, but a b is two tokens. However, +a and + a both produce two tokens, + and a, as +a is not a valid token.

2.1.10. End marker

At the end of non-interactive input, the lexical analyzer generates an ENDMARKER token.

2.2. Otros tokens

Besides NEWLINE, INDENT and DEDENT, the following categories of tokens exist: identifiers and keywords (NAME), literals (such as NUMBER and STRING), and other symbols (operators and delimiters, OP). Whitespace characters (other than logical line terminators, discussed earlier) are not tokens, but serve to delimit tokens. Where ambiguity exists, a token comprises the longest possible string that forms a legal token, when read from left to right.

2.3. Names (identifiers and keywords)

NAME tokens represent identifiers, keywords, and soft keywords.

Within the ASCII range (U+0001..U+007F), the valid characters for names include the uppercase and lowercase letters (A-Z and a-z), the underscore _ and, except for the first character, the digits 0 through 9.

Names must contain at least one character, but have no upper length limit. Case is significant.

Besides A-Z, a-z, _ and 0-9, names can also use «letter-like» and «number-like» characters from outside the ASCII range, as detailed below.

All identifiers are converted into the normalization form NFKC while parsing; comparison of identifiers is based on NFKC.

Formally, the first character of a normalized identifier must belong to the set id_start, which is the union of:

  • Unicode category <Lu> - uppercase letters (includes A to Z)

  • Unicode category <Ll> - lowercase letters (includes a to z)

  • Unicode category <Lt> - titlecase letters

  • Unicode category <Lm> - modifier letters

  • Unicode category <Lo> - other letters

  • Unicode category <Nl> - letter numbers

  • {"_"} - the underscore

  • <Other_ID_Start> - an explicit set of characters in PropList.txt to support backwards compatibility

The remaining characters must belong to the set id_continue, which is the union of:

  • all characters in id_start

  • Unicode category <Nd> - decimal numbers (includes 0 to 9)

  • Unicode category <Pc> - connector punctuations

  • Unicode category <Mn> - nonspacing marks

  • Unicode category <Mc> - spacing combining marks

  • <Other_ID_Continue> - another explicit set of characters in PropList.txt to support backwards compatibility

Unicode categories use the version of the Unicode Character Database as included in the unicodedata module.

These sets are based on the Unicode standard annex UAX-31. See also PEP 3131 for further details.

Even more formally, names are described by the following lexical definitions:

NAME:         xid_start xid_continue*
id_start:     <Lu> | <Ll> | <Lt> | <Lm> | <Lo> | <Nl> | "_" | <Other_ID_Start>
id_continue:  id_start | <Nd> | <Pc> | <Mn> | <Mc> | <Other_ID_Continue>
xid_start:    <all characters in id_start whose NFKC normalization is
               in (id_start xid_continue*)">
xid_continue: <all characters in id_continue whose NFKC normalization is
               in (id_continue*)">
identifier:   <NAME, except keywords>

A non-normative listing of all valid identifier characters as defined by Unicode is available in the DerivedCoreProperties.txt file in the Unicode Character Database.

2.3.1. Palabras clave

The following names are used as reserved words, or keywords of the language, and cannot be used as ordinary identifiers. They must be spelled exactly as written here:

False      await      else       import     pass
None       break      except     in         raise
True       class      finally    is         return
and        continue   for        lambda     try
as         def        from       nonlocal   while
assert     del        global     not        with
async      elif       if         or         yield

2.3.2. Palabras clave suaves

Added in version 3.10.

Some names are only reserved under specific contexts. These are known as soft keywords:

  • match, case, and _, when used in the match statement.

  • type, when used in the type statement.

These syntactically act as keywords in their specific contexts, but this distinction is done at the parser level, not when tokenizing.

Como palabras clave suaves, su uso en la gramática es posible sin dejar de preservar la compatibilidad con el código existente que usa esos nombres como nombres de identificadores.

Distinto en la versión 3.12: type ahora es un palabra clave suave.

2.3.3. Clases reservadas de identificadores

Ciertas clases de identificadores (además de las palabras clave) tienen significados especiales. Estas clases se identifican por los patrones de los caracteres de guión bajo que van delante y detrás:

_*

No importado por from module import *.

_

En un patrón case dentro de una declaración match, _ es una palabra clave suave que denota un comodín wildcard.

Por separado, el intérprete interactivo pone a disposición el resultado de la última evaluación en la variable _. (Se almacena en el módulo builtins, junto con funciones incorporadas como print).

En otros lugares, _ es un identificador regular. A menudo se usa para nombrar elementos «especiales», pero no es especial para Python en sí.

Nota

El nombre _ se usa a menudo en conjunción con la internacionalización; consultar la documentación del módulo gettext` para más información sobre esta convención.

También se usa comúnmente para variables no utilizadas.

__*__

Nombres definidos por el sistema, conocidos informalmente como nombres «dunder». Estos nombres son definidos por el intérprete y su aplicación (incluida la biblioteca estándar). Los nombres actuales del sistema se discuten en la sección Nombres especiales de método y en otros lugares. Es probable que se definan más en futuras versiones de Python. Cualquier uso de nombres __*__, en cualquier contexto, que no siga un uso explícitamente documentado, está sujeto a que se rompa sin previo aviso.

__*

Nombres de clase privada. Los nombres de esta categoría, cuando se utilizan en el contexto de una definición de clase, se reescriben para utilizar una forma desfigurada que ayude a evitar conflictos de nombres entre los atributos «privados» de las clases base y derivadas. Ver la sección Identificadores (Nombres).

2.4. Literales

Los literales son notaciones para los valores constantes de algunos tipos incorporados.

2.4.1. Literales de cadenas y bytes

Los literales de cadena se describen mediante las siguientes definiciones léxicas:

stringliteral:   [stringprefix](shortstring | longstring)
stringprefix:    "r" | "u" | "R" | "U" | "f" | "F" | "t" | "T"
                 | "fr" | "Fr" | "fR" | "FR" | "rf" | "rF" | "Rf" | "RF"
                 | "tr" | "Tr" | "tR" | "TR" | "rt" | "rT" | "Rt" | "RT"
shortstring:     "'" shortstringitem* "'" | '"' shortstringitem* '"'
longstring:      "'''" longstringitem* "'''" | '"""' longstringitem* '"""'
shortstringitem: shortstringchar | stringescapeseq
longstringitem:  longstringchar | stringescapeseq
shortstringchar: <any source character except "\" or newline or the quote>
longstringchar:  <any source character except "\">
stringescapeseq: "\" <any source character>
bytesliteral:   bytesprefix(shortbytes | longbytes)
bytesprefix:    "b" | "B" | "br" | "Br" | "bR" | "BR" | "rb" | "rB" | "Rb" | "RB"
shortbytes:     "'" shortbytesitem* "'" | '"' shortbytesitem* '"'
longbytes:      "'''" longbytesitem* "'''" | '"""' longbytesitem* '"""'
shortbytesitem: shortbyteschar | bytesescapeseq
longbytesitem:  longbyteschar | bytesescapeseq
shortbyteschar: <any ASCII character except "\" or newline or the quote>
longbyteschar:  <any ASCII character except "\">
bytesescapeseq: "\" <any ASCII character>

Una restricción sintáctica no indicada por estas producciones es que no se permiten espacios en blanco entre stringprefix o bytesprefix y el resto del literal. El conjunto de caracteres de origen se define mediante la declaración de codificación; es UTF-8 si no se proporciona una declaración de codificación en el archivo fuente; ver apartado Declaración de Codificación.

En lenguaje claro y sencillo: Ambos tipos de literales pueden ser encerrados entre comillas simples (') o dobles ("). También pueden estar encerrados en grupos de tres comillas simples o dobles (a las que generalmente se les llama cadenas de tres comillas). El carácter de la barra inversa (\) se utiliza para dar un significado especial a caracteres que de otra manera son ordinarios, como n, lo que significa “línea nueva” cuando se escapa (\n). También se utiliza para escapar caracteres que de otra manera tienen un significado especial como la linea nueva, la barra inversa en sí misma, o el carácter de comillas. Consulte escape sequences a continuación para más ejemplos.

Los literales de bytes siempre se prefijan con 'b' o 'B'; producen una instancia del tipo bytes en lugar del tipo str. Sólo pueden contener caracteres ASCII; los bytes con un valor numérico de 128 o mayor deben ser expresados con escapes.

Tanto los literales de cadena como de bytes pueden ser prefijados con una letra 'r' o 'R'; tales cadenas se llaman raw string literals y raw bytes literals respectivamente y consideran las barras inversas como caracteres literales. Como resultado, en las cadenas literales sin formato, los escapes de '\U' y '\u' no son tratados de manera especial.

Added in version 3.3: El prefijo 'rb' de literales de bytes raw se ha añadido como sinónimo de 'br'.

Se reintrodujo el soporte para el legado unicode literal (u'value') para simplificar el mantenimiento de las bases de código dual Python 2.x y 3.x. Ver PEP 414 para más información.

Un literal de cadena con 'f' o 'F' en su prefijo es un formatted string literal; ver f-strings. La 'f' puede combinarse con la 'r', pero no con la 'b' o 'u', por lo que las cadenas raw formateadas son posibles, pero los literales de bytes formateados no lo son.

En los literales de triple cita, se permiten (y se retienen) nuevas líneas y citas no escapadas, excepto cuando tres citas no escapadas seguidas finalizan el literal. (Una «cita» es el carácter utilizado para abrir el literal, es decir, ya sea ' o ".)

2.4.1.1. Secuencias de escape

A menos que un prefijo 'r' o 'R' esté presente, las secuencias de escape en literales de cadena y bytes se interpretan según reglas similares a las usadas por C estándar. Las secuencias de escape reconocidas son:

Secuencia de escape

Significado

Notas

\<newline>

Barra inversa y línea nueva ignoradas

(1)

\\

Barra inversa (\)

\'

Comilla simple (')

\"

Comilla doble (")

\a

ASCII Bell (BEL)

\b

ASCII Retroceso (BS)

\f

ASCII Formfeed (FF)

\n

ASCII Linefeed (LF)

\r

ASCII Retorno de carro (CR)

\t

ASCII Sangría horizontal (TAB)

\v

ASCII Sangría vertical (VT)

\ooo

Carácter con valor octal ooo

(2,4)

\xhh

Carácter con valor hexadecimal hh

(3,4)

Las secuencias de escape que sólo se reconocen en los literales de cadena son:

Secuencia de escape

Significado

Notas

\N{name}

El carácter llamado name en la base de datos de Unicode

(5)

\uxxxx

Carácter con valor hexadecimal de 16 bits xxxx

(6)

\Uxxxxxxxx

Carácter con valor hexadecimal de 32 bits xxxxxxxx

(7)

Notas:

  1. Se puede agregar una barra invertida al final de una línea para ignorar la nueva línea:

    >>> 'Esta cadena no incluirá \
    ... caracteres de barra invertida o nueva linea.'
    'Esta cadena no incluirá caracteres de barra invertida o nueva linea.'
    

    Se puede lograr el mismo resultado usando triple-quoted strings, o paréntesis y string literal concatenation.

  2. Como en C estándar, se aceptan hasta tres dígitos octales.

    Distinto en la versión 3.11: Los escapes octales con un valor mayor que 0o377 producen un DeprecationWarning.

    Distinto en la versión 3.12: Los escapes octales con un valor mayor que 0o377 producen un DeprecationWarning. En una futura versión de Python, serán eventualmente un SyntaxError.

  3. A diferencia de C estándar, se requieren exactamente dos dígitos hexadecimales.

  4. En un literal de bytes, los escapes hexadecimal y octal denotan el byte con el valor dado. En un literal de cadena, estos escapes denotan un carácter Unicode con el valor dado.

  5. Distinto en la versión 3.3: Se ha añadido el soporte para los alias de nombres [1].

  6. Se requieren exactamente cuatro dígitos hexadecimales.

  7. Cualquier carácter Unicode puede ser codificado de esta manera. Se requieren exactamente ocho dígitos hexadecimales.

A diferencia de C estándar, todas las secuencias de escape no reconocidas se dejan en la cadena sin cambios, es decir, la barra invertida se deja en el resultado. (Este comportamiento es útil para la depuración: si una secuencia de escape se escribe mal, la salida resultante se reconoce más fácilmente como rota). También es importante señalar que las secuencias de escape sólo reconocidas en los literales de cadena caen en la categoría de escapes no reconocidos para los literales de bytes.

Distinto en la versión 3.6: Secuencias de escape no conocidas producen un DeprecationWarning.

Distinto en la versión 3.12: Las secuencias de escape no reconocidas producen un SyntaxWarning. En una futura versión de Python serán eventualmente un SyntaxError.

Incluso en un literal raw, las comillas se pueden escapar con una barra inversa, pero la barra inversa permanece en el resultado; por ejemplo, r"\"" es un literal de cadena válido que consiste en dos caracteres: una barra inversa y una comilla doble; r"\" no es un literal de cadena válido (incluso una cadena en bruto no puede terminar en un número impar de barras inversas). Específicamente, un literal raw no puede terminar en una sola barra inversa (ya que la barra inversa se escaparía del siguiente carácter de comillas). Nótese también que una sola barra inversa seguida de una nueva línea se interpreta como esos dos caracteres como parte del literal, no como una continuación de línea.

2.4.2. Concatenación de literales de cadena

Se permiten múltiples literales de cadenas o bytes adyacentes (delimitados por espacios en blanco), posiblemente utilizando diferentes convenciones de citas, y su significado es el mismo que su concatenación. Por lo tanto, "hola" 'mundo' es equivalente a "holamundo". Esta característica puede ser utilizada para reducir el número de barras inversas necesarias, para dividir largas cadenas convenientemente a través de largas líneas, o incluso para añadir comentarios a partes de las cadenas, por ejemplo:

re.compile("[A-Za-z_]"       # letter or underscore
           "[A-Za-z0-9_]*"   # letter, digit or underscore
          )

Téngase en cuenta que esta característica se define a nivel sintáctico, pero se implementa en el momento de la compilación. El operador “+” debe ser usado para concatenar expresiones de cadena al momento de la ejecución. Observar también que la concatenación de literales puede utilizar diferentes estilos de citas para cada componente (incluso mezclando cadenas raw y cadenas con triple comilla), y los literales de cadena formateados pueden ser concatenados con los literales de cadena simples.

2.4.3. f-strings

Added in version 3.6.

Un formatted string literal o f-string es un literal de cadena que se prefija con 'f' o 'F'. Estas cadenas pueden contener campos de reemplazo, que son expresiones delimitadas por llaves {}. Mientras que otros literales de cadena siempre tienen un valor constante, las cadenas formateadas son realmente expresiones evaluadas en tiempo de ejecución.

Las secuencias de escape se decodifican como en los literales de cadena ordinarios (excepto cuando un literal también se marca como cadena raw). Después de la decodificación, la gramática para el contenido de la cadena es:

f_string:          (literal_char | "{{" | "}}" | replacement_field)*
replacement_field: "{" f_expression ["="] ["!" conversion] [":" format_spec] "}"
f_expression:      (conditional_expression | "*" or_expr)
                     ("," conditional_expression | "," "*" or_expr)* [","]
                   | yield_expression
conversion:        "s" | "r" | "a"
format_spec:       (literal_char | replacement_field)*
literal_char:      <any code point except "{", "}" or NULL>

Las partes de la cadena fuera de las llaves se tratan literalmente, excepto que las llaves dobles '{{' o '}}' se reemplazan con la llave simple correspondiente. Un solo corchete de apertura '{' marca un campo de reemplazo, que comienza con una expresión de Python. Para mostrar tanto el texto de la expresión como su valor después de la evaluación (útil en la depuración), se puede agregar un signo igual '=' después de la expresión. Puede seguir un campo de conversión, introducido por un signo de exclamación '!'. También se puede agregar un especificador de formato, introducido por dos puntos ':'. Un campo de reemplazo termina con un corchete de cierre '}'.

Las expresiones en literales de cadena formateados se tratan como expresiones regulares de Python rodeadas de paréntesis, con algunas excepciones. Una expresión vacía no está permitida, y tanto lambda como las expresiones de asignación := deben estar rodeadas de paréntesis explícitos. Cada expresión se evalúa en el contexto donde aparece el literal de cadena, en orden desde la izquierda a la derecha. Las expresiones de sustitución pueden contener saltos de línea en cadenas f de dos y tres comillas y pueden contener comentarios. Todo lo que viene después de un # dentro de un campo de reemplazo es un comentario (incluso llaves de cerramiento y comillas). En ese caso, campos de reemplazo deben ser cerrados en una linea diferente.

>>> f"abc{a # Es un comentario }"
... + 3}"
'abc5'

Distinto en la versión 3.7: Antes de Python 3.7, una expresión await y comprensiones que contenían una cláusula async for eran ilegales en las expresiones en literales de cadenas formateadas debido a un problema con la implementación.

Distinto en la versión 3.12: Antes de Python 3.12, comentarios no se permitieron dentro de campos de reemplazo de f-string.

Cuando se proporciona el signo igual '=', la salida tendrá el texto de expresión, el '=' y el valor evaluado. Los espacios después de la llave de apertura '{', dentro de la expresión y después de '=' se conservan en la salida. Por defecto, el '=' hace que se proporcione repr() de la expresión, a menos que haya un formato especificado. Cuando se especifica un formato, el valor predeterminado es str() de la expresión a menos que se declare una conversión '!r'.

Added in version 3.8: El símbolo igual '='.

Si se especifica una conversión, el resultado de la evaluación de la expresión se convierte antes del formateo. La conversión `!s' llama str() al resultado, `!r' llama repr(), y `!a' llama ascii().

El resultado es entonces formateado usando el protocolo format(). El especificador de formato se pasa al método __format__() del resultado de la expresión o conversión. Se pasa una cadena de caracteres vacía cuando se omite el especificador de formato. El resultado formateado se incluye entonces en el valor final de toda la cadena de caracteres.

Los especificadores de formato de nivel superior pueden incluir campos de reemplazo anidados. Estos campos anidados pueden incluir sus propios campos de conversión y format specifiers, pero no pueden incluir campos de reemplazo anidados más profundos. El format specifier mini-language es el mismo que usa el método str.format().

Los literales de cadena formateados pueden ser concatenados, pero los campos de reemplazo no pueden ser divididos entre los literales.

Algunos ejemplos de literales de cadena formateados:

>>> name = "Fred"
>>> f"He said his name is {name!r}."
"He said his name is 'Fred'."
>>> f"He said his name is {repr(name)}."  # repr() es equivalente a !r
"He said his name is 'Fred'."
>>> width = 10
>>> precision = 4
>>> value = decimal.Decimal("12.34567")
>>> f"result: {value:{width}.{precision}}"  # campos anidados
'result:      12.35'
>>> today = datetime(year=2017, month=1, day=27)
>>> f"{today:%B %d, %Y}"  # utilizando el especificador de formato de fecha
'January 27, 2017'
>>> f"{today=:%B %d, %Y}" # utilizando el especificador de formato de fecha y purificación
'today=January 27, 2017'
>>> number = 1024
>>> f"{number:#0x}" # utilizando el especificador de formato de números enteros
'0x400'
>>> foo = "bar"
>>> f"{ foo = }" # conserva espacios en blanco
" foo = 'bar'"
>>> line = "The mill's closed"
>>> f"{line = }"
'line = "The mill\'s closed"'
>>> f"{line = :20}"
"line = The mill's closed   "
>>> f"{line = !r:20}"
'line = "The mill\'s closed" '

Se puede reutilizar el tipo de comilla del f-string exterior dentro de un campo de reemplazo:

>>> a = dict(x=2)
>>> f"abc {a["x"]} def"
'abc 2 def'

Distinto en la versión 3.12: Antes de Python 3.12, no era posible reutilizar el mismo tipo de comilla del f-string exterior dentro de un campo de reemplazo.

También se permiten barras invertidas en campos de reemplazo y se evalúan de la misma manera que cualquier otro contexto:

>>> a = ["a", "b", "c"]
>>> print(f"Lista a contiene:\n{"\n".join(a)}")
Lista a contiene:
a
b
c

Distinto en la versión 3.12: Antes de Python 3.12, no se permitieron dentro de una campo de reemplazo f-string.

Los literales de cadena formateados no pueden ser usados como cadenas de documentos (docstrings), aunque no incluyan expresiones.

>>> def foo():
...     f"Not a docstring"
...
>>> foo.__doc__ is None
True

Ver también PEP 498 para la propuesta que añadió literales de cadenas formateados, y str.format(), que utiliza un mecanismo de cadenas formateadas relacionado.

2.4.4. Literales numéricos

NUMBER tokens represent numeric literals, of which there are three types: integers, floating-point numbers, and imaginary numbers.

NUMBER: integer | floatnumber | imagnumber

The numeric value of a numeric literal is the same as if it were passed as a string to the int, float or complex class constructor, respectively. Note that not all valid inputs for those constructors are also valid literals.

Numeric literals do not include a sign; a phrase like -1 is actually an expression composed of the unary operator “-” and the literal 1.

2.4.4.1. Literales enteros

Integer literals denote whole numbers. For example:

7
3
2147483647

There is no limit for the length of integer literals apart from what can be stored in available memory:

7922816251426433759354395033679228162514264337593543950336

Underscores can be used to group digits for enhanced readability, and are ignored for determining the numeric value of the literal. For example, the following literals are equivalent:

100_000_000_000
100000000000
1_00_00_00_00_000

Underscores can only occur between digits. For example, _123, 321_, and 123__321 are not valid literals.

Integers can be specified in binary (base 2), octal (base 8), or hexadecimal (base 16) using the prefixes 0b, 0o and 0x, respectively. Hexadecimal digits 10 through 15 are represented by letters A-F, case-insensitive. For example:

0b100110111
0b_1110_0101
0o177
0o377
0xdeadbeef
0xDead_Beef

An underscore can follow the base specifier. For example, 0x_1f is a valid literal, but 0_x1f and 0x__1f are not.

Leading zeros in a non-zero decimal number are not allowed. For example, 0123 is not a valid literal. This is for disambiguation with C-style octal literals, which Python used before version 3.0.

Formally, integer literals are described by the following lexical definitions:

integer:      decinteger | bininteger | octinteger | hexinteger | zerointeger
decinteger:   nonzerodigit (["_"] digit)*
bininteger:   "0" ("b" | "B") (["_"] bindigit)+
octinteger:   "0" ("o" | "O") (["_"] octdigit)+
hexinteger:   "0" ("x" | "X") (["_"] hexdigit)+
zerointeger:  "0"+ (["_"] "0")*
nonzerodigit: "1"..."9"
digit:        "0"..."9"
bindigit:     "0" | "1"
octdigit:     "0"..."7"
hexdigit:     digit | "a"..."f" | "A"..."F"

Distinto en la versión 3.6: Los guiones bajos están ahora permitidos para agrupar en literales.

2.4.4.2. Literales de punto flotante

Floating-point (float) literals, such as 3.14 or 1.5, denote approximations of real numbers.

They consist of integer and fraction parts, each composed of decimal digits. The parts are separated by a decimal point, .:

2.71828
4.0

Unlike in integer literals, leading zeros are allowed in the numeric parts. For example, 077.010 is legal, and denotes the same number as 77.10.

As in integer literals, single underscores may occur between digits to help readability:

96_485.332_123
3.14_15_93

Either of these parts, but not both, can be empty. For example:

10.  # (equivalent to 10.0)
.001  # (equivalent to 0.001)

Optionally, the integer and fraction may be followed by an exponent: the letter e or E, followed by an optional sign, + or -, and a number in the same format as the integer and fraction parts. The e or E represents «times ten raised to the power of»:

1.0e3  # (represents 1.0×10³, or 1000.0)
1.166e-5  # (represents 1.166×10⁻⁵, or 0.00001166)
6.02214076e+23  # (represents 6.02214076×10²³, or 602214076000000000000000.)

In floats with only integer and exponent parts, the decimal point may be omitted:

1e3  # (equivalent to 1.e3 and 1.0e3)
0e0  # (equivalent to 0.)

Formally, floating-point literals are described by the following lexical definitions:

floatnumber:
   | digitpart "." [digitpart] [exponent]
   | "." digitpart [exponent]
   | digitpart exponent
digitpart: digit (["_"] digit)*
exponent:  ("e" | "E") ["+" | "-"] digitpart

Distinto en la versión 3.6: Los guiones bajos están ahora permitidos para agrupar en literales.

2.4.4.3. Literales imaginarios

Python has complex number objects, but no complex literals. Instead, imaginary literals denote complex numbers with a zero real part.

For example, in math, the complex number 3+4.2i is written as the real number 3 added to the imaginary number 4.2i. Python uses a similar syntax, except the imaginary unit is written as j rather than i:

3+4.2j

This is an expression composed of the integer literal 3, the operator+”, and the imaginary literal 4.2j. Since these are three separate tokens, whitespace is allowed between them:

3 + 4.2j

No whitespace is allowed within each token. In particular, the j suffix, may not be separated from the number before it.

The number before the j has the same syntax as a floating-point literal. Thus, the following are valid imaginary literals:

4.2j
3.14j
10.j
.001j
1e100j
3.14e-10j
3.14_15_93j

Unlike in a floating-point literal the decimal point can be omitted if the imaginary number only has an integer part. The number is still evaluated as a floating-point number, not an integer:

10j
0j
1000000000000000000000000j   # equivalent to 1e+24j

The j suffix is case-insensitive. That means you can use J instead:

3.14J   # equivalent to 3.14j

Formally, imaginary literals are described by the following lexical definition:

imagnumber: (floatnumber | digitpart) ("j" | "J")

2.5. Operadores

Los siguientes tokens son operadores:

+       -       *       **      /       //      %      @
<<      >>      &       |       ^       ~       :=
<       >       <=      >=      ==      !=

2.6. Delimitadores

Los siguientes tokens sirven como delimitadores en la gramática:

(       )       [       ]       {       }
,       :       !       .       ;       @       =
->      +=      -=      *=      /=      //=     %=
@=      &=      |=      ^=      >>=     <<=     **=

El punto también puede ocurrir en los literales de punto flotante e imaginarios. Una secuencia de tres períodos tiene un significado especial como un literal de elipsis. La segunda mitad de la lista, los operadores de asignación aumentada, sirven léxicamente como delimitadores, pero también realizan una operación.

Los siguientes caracteres ASCII de impresión tienen un significado especial como parte de otros tokens o son de alguna manera significativos para el analizador léxico:

'       "       #       \

Los siguientes caracteres ASCII de impresión no se utilizan en Python. Su presencia fuera de las cadenas de caracteres y comentarios es un error incondicional:

$       ?       `

Notas al pie de página