PHP：正则表达式忽略引号内的转义引号

Question

我在发布之前查看了相关问题，我无法修改任何相关答案以使用我的方法（不擅长正则表达式）。

基本上，这是我现有的线路：

$code = preg_replace_callback( '/"(.*?)"/', array( &$this, '_getPHPString' ), $code );

$code = preg_replace_callback( "#'(.*?)'#", array( &$this, '_getPHPString' ), $code );

它们都匹配包含在'' 和"" 之间的字符串。我需要正则表达式来忽略它们之间包含的转义引号。因此'' 之间的数据将忽略\'，"" 之间的数据将忽略\"。

任何帮助将不胜感激。

Answer 1

对于大多数字符串，您需要允许转义 anything（不仅仅是转义引号）。例如您很可能需要允许转义字符，例如 "\n" 和 "\t"，当然还有转义字符："\\"。

这是一个常见问题，很久以前就已解决（和优化）。 Jeffrey Friedl 在他的经典著作中深入探讨了这个问题（例如）：Mastering Regular Expressions (3rd Edition)。这是您要查找的正则表达式：

好：

"([^"\\]|\\.)*"
版本 1：工作正常，但效率不高。

更好：

"([^"\\]++|\\.)*" 或 "((?>[^"\\]+)|\\.)*"
版本 2：如果您有所有格量词或原子组，则效率更高（参见：使用原子组方法的 sin 的正确答案）。

最佳：

"[^"\\]*(?:\\.[^"\\]*)*"
版本 3：更高效。实现 Friedl 的：“unrolling-the-loop” 技术。不需要所有格或原子组（即，这可以在 Javascript 和其他功能较少的正则表达式引擎中使用。）

以下是双引号和单引号子字符串的 PHP 语法中推荐的正则表达式：

$re_dq = '/"[^"\\\\]*(?:\\\\.[^"\\\\]*)*"/s';
$re_sq = "/'[^'\\\\]*(?:\\\\.[^'\\\\]*)*'/s";

Answer 2

试试这样的正则表达式：

'/"(\\\\[\\\\"]|[^\\\\"])*"/'

一个（简短的）解释：

"                 # match a `"`
(                 # open group 1
  \\\\[\\\\"]     #   match either `\\` or `\"`
  |               #   OR
  [^\\\\"]        #   match any char other than `\` and `"`
)*                # close group 1, and repeat it zero or more times
"                 # match a `"`

下面的sn-p：

<?php
$text = 'abc "string \\\\ \\" literal" def';
preg_match_all('/"(\\\\[\\\\"]|[^\\\\"])*"/', $text, $matches);
echo $text . "\n";
print_r($matches);
?>

产生：

abc "string \\ \" literal" def
Array
(
    [0] => Array
        (
            [0] => "string \\ \" literal"
        )

    [1] => Array
        (
            [0] => l
        )

)

正如您在Ideone 上看到的那样。

Answer 3

这有可能：

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

/'(?>(?:(?>[^'\\]+)|\\.)*)'/

Answer 4

根据一些粗略的基准，这似乎与展开循环一样快，但更容易阅读和理解。它首先不需要任何回溯。

"[^"\\]*(\\.[^"\\]*)*"

Answer 5

这会将引号留在外面

(?<=['"])(.*?)(?=["'])

并使用global /g 将匹配所有组

Answer 6

根据 W3 资源： https://www.w3.org/TR/2010/REC-xpath20-20101214/#doc-xpath-StringLiteral

一般的正则表达式是：

"(\\.|[^"])*"

(+捕获组先检查时不需要加反斜杠)

解释：

• "..." 引号之间的任何匹配
• (...)*里面的长度可以从0到无穷大
• \\.|[^"] 首先接受任何后面有斜线的字符 | （或）然后接受任何不是引号的字符

为了更好地处理Any Quotes而更好地分组的正则表达式的PHP版本可以是这样的：

<?php
    $str='"First \\" \n Second" then \'This \\\' That\'';
    echo $str."\n";
    // "First \" \n Second" then 'This \' That'

    $RX_inQuotes='/"((\\\\.|[^"])*)"/';
    preg_match_all($RX_inQuotes,$str,$r,PREG_SET_ORDER);
    echo $r[0][1]."\n";
    // First \" \n Second

    $RX_inAnyQuotes='/("((\\\\.|[^"])*)")|(\'((\\\\.|[^\'])*)\')/';
    preg_match_all($RX_inAnyQuotes,$str,$r,PREG_SET_ORDER);
    echo $r[0][2]." --- ".$r[1][5];
    // First \" \n Second --- This \' That
?>

试试看：http://sandbox.onlinephpfunctions.com/code/4328cc4dfc09183f7f1209c08ca5349bef9eb5b4

重要提示：在这个时代，对于不确定的内容，你必须在正则表达式的末尾使用u标志，如/.../u，以避免破坏multi-byte字符串，如@987654332 @，或者像mb_ereg_match这样的函数。