提取引号之间的子字符串忽略 \"答案

【问题标题】：extract substring between quotation marks ignoring \"提取引号之间的子字符串忽略 \"
【发布时间】：2012-09-05 06:43:03
【问题描述】：

我的文件包含一些行，例如

"This is a string." = "This is a string's content."
" Another \" example \"" = " New example."
"My string
can have several lines." = "My string can have several lines."

我需要提取子字符串：

This is a string.
This is a string's content.
 Another \" example \"
 New example.
My string
can have several lines.
My string can have several lines.

这是我的代码：

String regex = "\".*?\"\\s*?=\\s*?\".*?\"";
Pattern pattern = Pattern.compile(regex,Pattern.DOTALL);
Matcher matcher = pattern.matcher(file);

目前，我可以得到“=”的左右部分。但是当我的子字符串包含“\””时，我的正则表达式就不能正确工作。

谁能帮我写出正确的正则表达式吗？我尝试了 \"^[\\"] 而不是 \"，但它没有用..

提前感谢。

【问题讨论】：

标签： java regex

【解决方案1】：

List<String> matchList = new ArrayList<String>();
Pattern regex = Pattern.compile(
    "\"          # Match a quote\n" +
    "(           # Capture in group number 1:\n" +
    " (?:        # Match either...\n" +
    "  \\\\.     # an escaped character\n" +
    " |          # or\n" +
    "  [^\"\\\\] # any character except quotes or backslashes\n" +
    " )*         # Repeat as needed\n" +
    ")           # End of capturing group\n" +
    "\"          # Match a quote", 
    Pattern.COMMENTS);
Matcher regexMatcher = regex.matcher(subjectString);
while (regexMatcher.find()) {
    matchList.add(regexMatcher.group(1));
}

【讨论】：

【解决方案2】：

很抱歉，我所在的位置无法测试，但可以

\".*?(?:[^\\]\")\\s*=\\s*\".*?(?:[^\\]\")

工作？

我刚换了 \" 和 (?:[^\\]\") 因此，如果它们之前的字符不再是 \，它们将不匹配。

【讨论】：

实际上，stackoverflow 在我的最后一行中踢掉了一些反斜杠，但是您可以在代码行中正确看到它（我希望）

【解决方案3】：

/"([^"\\]*(?:\\.[^"\\]*)*)"/

Source。 Also see this previous question.

【讨论】：

来源其实是Jeffrey Friedl的《Mastering Regular Expressions》（叫《unrolling the loop》）。
（另外，他要求的是 Java 正则表达式，这是一个 JavaScript 正则表达式。）