使用 Java RegEx 解析 BibTeX 记录答案

【问题标题】：Parsing BibTeX record with Java RegEx使用 Java RegEx 解析 BibTeX 记录
【发布时间】：2019-04-28 02:46:24
【问题描述】：

我必须使用 Java 正则表达式编写简单的 BibTeX 解析器。任务有点简化：每个标签值都在引号"" 之间，而不是括号{}。问题是，{} 可以在 "" 内部。

我正在尝试从整个字符串文件中剪切单个记录，例如。 G。我想将@book{...} 作为字符串。问题是最后一个标签后面不能有逗号，所以它可以像这样结束：author = "john"}。

我试过@\w*\{[\s\S]*?\}，但如果我在"" 之间的任何标签值中有}，它就会停止。也不能保证} 会在单独的行中，它可以直接在最后一个标签值之后（也可以不以" 结尾，因为它可以是整数）。

你能帮我解决这个问题吗？

【问题讨论】：

好吧，如果右括号可以是标签值的一部分，那么这很难做到。使用正则表达式的要求是困难的，还是您想出了这个作为解决方案？如果这是一个硬性要求，那么我认为它是一种学习练习，在这种情况下，您可以假设标签不包含大括号或声明不支持这些 - 目标可能是引导您做到这一点实现。
使用正则表达式是老师的建议，我在项目的其余部分也使用了它（因为这个问题是整个解析器的一部分）并且效果很好。虽然这是一种学习练习，但老师明确指出标签可能包含大括号。虽然我可能会使用 String.split()，但我不知道如何。

标签： java regex parsing bibtex

【解决方案1】：

您可以尝试以下表达式作为基础：@\w+\{(?>\s*\w+\s*=\s*"[^"]*")*\}

解释：

@\w+\{...\} 将是记录，例如@book{...}
(?>...)* 表示可以多次出现或根本不出现的非捕获组 - 这是为了表示标签
\s*\w+\s*=\s*"[^"]*" 表示前面可以有空格 (\s*) 的标签。标签的值必须用双引号括起来，双引号之间的任何内容都将被使用，甚至是花括号。

请注意，可能需要考虑更多情况，但这应该能够处理标签值中的花括号，因为它会“消耗”双引号之间的所有内容，因此如果结束花括号将不匹配缺少大括号（例如，它将匹配 @book{ title="the use of { and }" author="John {curly} Johnson"} 但不匹配 @book{ title="the use of { and }" author="John {curly} Johnson"）。

【讨论】：

【解决方案2】：

我发现了一个 hack，它可能会帮助遇到同样问题的人：} 符号后必须有换行符。如果值的结尾只是 " (} 符号不结束任何值)，那么正则表达式末尾的 [\r\n] 就足够了。

【讨论】：