正则表达式忽略引号之间的文本答案

【问题标题】：RegEx To Ignore Text Between Quotes正则表达式忽略引号之间的文本
【发布时间】：2011-06-22 12:31:01
【问题描述】：

我有一个正则表达式，即[\\.|\\;|\\?|\\!][\\s]
这用于拆分字符串。但我不希望它在引号中拆分 . ; ? !。

【问题讨论】：

我认为您需要开始考虑解析，而不是正则表达式拆分。不过，使用一些示例输入会更容易回答。
解析是一种选择，但我想知道如何在 RegEx 中进行解析。他们有办法做到这一点吗？
RegEx 不是用于此目的的工具，无论您想用它做什么，因为它不能替代解析。我认为你需要放弃这个任务并学习上面提到的解析。
我认为正则表达式在这种情况下可能遇到的问题称为“灾难性回溯”。
我已经为单词和音节部分做了解析器，但我想做一些与句子部分不同的事情。我想我将不得不回到过去。

【解决方案1】：

这是我为了忽略匹配中的引号而做的。

(?:[^\"\']|(?:\".*?\")|(?:\'.*?\'))*?    # <-- append the query you wanted to search for - don't use something greedy like .* in the rest of your regex.

为了适应你的正则表达式，你可以这样做

(?:[^\"\']|(?:\".*?\")|(?:\'.*?\'))*?[.;?!]\s*

【讨论】：

【解决方案2】：

我不会使用拆分，而是使用 Pattern & Matcher。

演示：

import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class Main {

    public static void main(String[] args) {

        String text = "start. \"in quotes!\"; foo? \"more \\\" words\"; bar";

        String simpleToken = "[^.;?!\\s\"]+";

        String quotedToken =
                "(?x)             # enable inline comments and ignore white spaces in the regex         \n" +
                "\"               # match a double quote                                                \n" +
                "(                # open group 1                                                        \n" +
                "  \\\\.          #   match a backslash followed by any char (other than line breaks)   \n" +
                "  |              #   OR                                                                \n" +
                "  [^\\\\\r\n\"]  #   any character other than a backslash, line breaks or double quote \n" +
                ")                # close group 1                                                       \n" +
                "*                # repeat group 1 zero or more times                                   \n" +
                "\"               # match a double quote                                                \n";

        String regex = quotedToken + "|" + simpleToken;

        Matcher m = Pattern.compile(regex).matcher(text);

        while(m.find()) {
            System.out.println("> " + m.group());
        }
    }
}

产生：

> start
> "in quotes!"
> foo
> "more \" words"
> bar

如您所见，它还可以处理带引号的标记内的转义引号。

【讨论】：