检测单引号内的两个连续单引号

Question

我正在努力让这个正则表达式模式完全正确，如果有人有更好的选择，我愿意接受正则表达式之外的其他选项。

情况： 我基本上是在寻找针对 C# 中的文本列解析 T-SQL“in”子句。所以，我需要这样的字符串值： "'don''t', 'do', 'anything', 'stupid'"

并将其解释为值列表（稍后我会处理双单引号）：

• "don''t"
• "do"
• "anything"
• "stupid"

我有一个适用于大多数情况的正则表达式，但我正在努力将其推广到可以接受任何字符或组内双引号的程度：(?:')([a-z0-9\s(?:'(?='))]+)(?:')[,\w]*

我对正则表达式相当有经验，但很少（如果有的话）发现需要环顾四周（因此相应地降低我对正则表达式经验的评估）。

所以，换一种说法，我想要取一串以逗号分隔的值，每个值都用单引号括起来，但可以包含双引号，并输出每个这样的值。

编辑 这是我当前正则表达式的一个无效示例（我的问题是我需要处理分组中的所有字符，并在遇到单引号后没有第二个单引号时停止）：

"'don''t', 'do?', 'anything!', '#stupid$'"

Answer 1

如果您仍在考虑基于正则表达式的解决方案，您可以使用以下正则表达式：

'(?:''|[^'])*'

或@sln 建议的“展开”版本：

'[^']*(?:''[^']*)*'

见demo

它相当简单，它捕获双单引号或任何不是单引号的东西。无需使用任何后视或前瞻。它不处理任何逃逸的实体，但我在您的问题中没有看到这个要求。

此外，此正则表达式将返回易于访问和处理的匹配项：

var text = "'don''t', 'do', 'anything', 'stupid'";
var re = new Regex(@"'[^']*(?:''[^']*)*'"); // Updated thanks to @sln, previous (@"'(?:''|[^'])*'");
var match_values = re.Matches(text).Cast<Match>().Select(p => p.Value).ToList();

输出：

Answer 2

如果您想使用 Capture Collection 功能，您可以在一个
单程。

 #   @"""\s*(?:'([^']*(?:''[^']*)*)'\s*(?:,\s*|(?="")))+"""

 "
 \s* 
 (?:
      '
      (                 # (1 start)
           [^']* 
           (?:
                '' [^']* 
           )*
      )                 # (1 end)
      '
      \s* 
      (?:
           , \s* 
        |  (?= " )
      )
 )+
 " 

C#代码：

 string strSrc = "\"'don''t', 'do', 'anything', 'stupid'\"";

 Regex rx = new Regex(@"""\s*(?:'([^']*(?:''[^']*)*)'\s*(?:,\s*|(?="")))+""");
 Match srcMatch = rx.Match(strSrc);
 if (srcMatch.Success)
 {
    CaptureCollection cc = srcMatch.Groups[1].Captures;
    for (int i = 0; i < cc.Count; i++)
       Console.WriteLine("{0} = '{1}'", i, cc[i].Value);
 }

输出：

 0 = 'don''t'
 1 = 'do'
 2 = 'anything'
 3 = 'stupid'
 Press any key to continue . . .

Answer 3

你为什么不分手', '：

Regex regex = new Regex(@"'\s*,\s*'");
string[] substrings = regex.Split(str);

然后通过 Trimming 处理多余的单引号

Answer 4

在我看来，您对问题的思考过度了。带有转义引号的带引号的字符串看起来就像两个没有转义引号的字符串，一个接一个（甚至它们之间没有空格）。

(?:'[^']*')+

当然，您必须删除封闭的引号，但无论如何您可能都必须进行一些后期处理，以取消转义的引号。

另外请注意，我并不是要验证输入或解决可能的错误；例如，我不费心匹配字符串之间的逗号。如果输入格式正确，则此正则表达式应该是您所需要的。

Answer 5

出于可维护性的考虑，我决定不使用正则表达式并遵循使用状态机的建议。这是我实现的关键：

string currentTerm = string.Empty;
State currentState = State.BetweenTerms;
foreach (char c in valueToParse)
{
 switch (currentState)
 {
     // if between terms, only need to do something if we encounter a single quote, signalling to start a new term
     // encloser is client-specified char to look for (e.g. ')
     case State.BetweenTerms:
         if (c == encloser)
         {
             currentState = State.InTerm;
         }
         break;
     case State.InTerm:
         if (c == encloser)
         {
             if (valueToParse.Length > index + 1 && valueToParse[index + 1] == encloser && valueToParse.Length > index + 2)
             {
                 // if next character is also encloser then add it and move on
                 currentTerm += c;
             }
             else if (currentTerm.Length > 0 && currentTerm[currentTerm.Length - 1] != encloser)
             {
                 // on an encloser and didn't just add encloser, so we are done
                 // converterFunc is a client-specified Func<string,T> to return terms in the specified type (to allow for converting to int, for example)
                 yield return converterFunc(currentTerm);
                 currentTerm = string.Empty;
                 currentState = State.BetweenTerms;
             }
         }
         else
         {
             currentTerm += c;
         }
         break;
 }

 index++;
}

if (currentTerm.Length > 0)
{
 yield return converterFunc(currentTerm);
}