正则表达式用于在不被单引号或双引号包围时使用空格分割字符串

Question

我是正则表达式的新手，非常感谢您的帮助。我正在尝试组合一个表达式，该表达式将使用所有未被单引号或双引号包围的空格来拆分示例字符串。我的最后一次尝试看起来像这样：(?!") 并且不太有效。它在引号前的空格上分割。

示例输入：

This is a string that "will be" highlighted when your 'regular expression' matches something.

期望的输出：

This
is
a
string
that
will be
highlighted
when
your
regular expression
matches
something.

注意"will be" 和'regular expression' 保留单词之间的空格。

Answer 1

我不明白为什么所有其他人都提出如此复杂的正则表达式或如此长的代码。本质上，您想从字符串中获取两种东西：不是空格或引号的字符序列，以及以引号开头和结尾的字符序列，两者之间没有引号，用于两种引号。你可以很容易地用这个正则表达式匹配这些东西：

[^\s"']+|"([^"]*)"|'([^']*)'

我添加了捕获组，因为您不希望列表中出现引号。

此 Java 代码构建列表，如果匹配则添加捕获组以排除引号，如果捕获组不匹配（匹配未引用的单词），则添加整体正则表达式匹配。

List<String> matchList = new ArrayList<String>();
Pattern regex = Pattern.compile("[^\\s\"']+|\"([^\"]*)\"|'([^']*)'");
Matcher regexMatcher = regex.matcher(subjectString);
while (regexMatcher.find()) {
    if (regexMatcher.group(1) != null) {
        // Add double-quoted string without the quotes
        matchList.add(regexMatcher.group(1));
    } else if (regexMatcher.group(2) != null) {
        // Add single-quoted string without the quotes
        matchList.add(regexMatcher.group(2));
    } else {
        // Add unquoted word
        matchList.add(regexMatcher.group());
    }
} 

如果您不介意返回列表中包含引号，则可以使用更简单的代码：

List<String> matchList = new ArrayList<String>();
Pattern regex = Pattern.compile("[^\\s\"']+|\"[^\"]*\"|'[^']*'");
Matcher regexMatcher = regex.matcher(subjectString);
while (regexMatcher.find()) {
    matchList.add(regexMatcher.group());
} 

Answer 2

StackOverflow 上有几个问题使用正则表达式在不同的上下文中涵盖了相同的问题。例如：

• parsings strings: extracting words and phrases
• Best way to parse Space Separated Text

更新：用于处理单引号和双引号字符串的示例正则表达式。参考：How can I split on a string except when inside quotes?

m/('.*?'|".*?"|\S+)/g 

使用快速 Perl sn-p 对此进行了测试，输出如下所示。如果它们在引号之间（不确定是否需要），也适用于空字符串或仅限空格的字符串。

This
is
a
string
that
"will be"
highlighted
when
your
'regular expression'
matches
something.

请注意，这确实将引号字符本身包含在匹配的值中，尽管您可以使用字符串替换将其删除，或者修改正则表达式以不包含它们。我暂时把它作为练习留给读者或另一张海报，因为凌晨 2 点已经太晚了，不能再搞乱正则表达式了；）

Answer 3

如果你想在字符串中允许转义引号，你可以使用这样的东西：

(?:(['"])(.*?)(?<!\\)(?>\\\\)*\1|([^\s]+))

带引号的字符串将是第 2 组，单个未引用的单词将是第 3 组。

您可以在此处尝试各种字符串：http://www.fileformat.info/tool/regex.htm 或 http://gskinner.com/RegExr/

Answer 4

Jan Goyvaerts 的正则表达式是我迄今为止找到的最佳解决方案，但也会创建空（null）匹配，他在他的程序中排除了这些匹配。这些空匹配也出现在正则表达式测试器中（例如 rubular.com）。 如果您将搜索转向（首先查找引用的部分，然后查找空格分隔的单词），那么您可能会这样做一次：

("[^"]*"|'[^']*'|[\S]+)+

Answer 5

(?<!\G".{0,99999})\s|(?<=\G".{0,99999}")\s

这将匹配没有被双引号包围的空格。 我必须使用 min,max {0,99999} 因为 Java 不支持 * 和 + 在后视。

Answer 6

搜索字符串可能会更容易，抓取每个部分，而不是拆分它。

原因是，您可以在"will be" 之前和之后的空格处拆分它。但是，我想不出任何方法来指定忽略拆分内部之间的空间。

（不是真正的 Java）

string = "This is a string that \"will be\" highlighted when your 'regular expression' matches something.";

regex = "\"(\\\"|(?!\\\").)+\"|[^ ]+"; // search for a quoted or non-spaced group
final = new Array();

while (string.length > 0) {
    string = string.trim();
    if (Regex(regex).test(string)) {
        final.push(Regex(regex).match(string)[0]);
        string = string.replace(regex, ""); // progress to next "word"
    }
}

---

此外，捕获单引号可能会导致问题：

"Foo's Bar 'n Grill"

//=>

"Foo"
"s Bar "
"n"
"Grill"

Answer 7

String.split() 在这里没有帮助，因为无法区分引号内的空格（不要拆分）和引号外的空格（拆分）。 Matcher.lookingAt() 可能就是你需要的：

String str = "This is a string that \"will be\" highlighted when your 'regular expression' matches something.";
str = str + " "; // add trailing space
int len = str.length();
Matcher m = Pattern.compile("((\"[^\"]+?\")|('[^']+?')|([^\\s]+?))\\s++").matcher(str);

for (int i = 0; i < len; i++)
{
    m.region(i, len);

    if (m.lookingAt())
    {
        String s = m.group(1);

        if ((s.startsWith("\"") && s.endsWith("\"")) ||
            (s.startsWith("'") && s.endsWith("'")))
        {
            s = s.substring(1, s.length() - 1);
        }

        System.out.println(i + ": \"" + s + "\"");
        i += (m.group(0).length() - 1);
    }
}

产生以下输出：

0: "This"
5: "is"
8: "a"
10: "string"
17: "that"
22: "will be"
32: "highlighted"
44: "when"
49: "your"
54: "regular expression"
75: "matches"
83: "something."

Answer 8

我喜欢 Marcus 的方法，但是，我对其进行了修改，以便允许引号附近的文本，并支持 " 和 ' 引号字符。例如，我需要 a="some value" 而不将其拆分为 [a =，“一些价值”]。

(?<!\\G\\S{0,99999}[\"'].{0,99999})\\s|(?<=\\G\\S{0,99999}\".{0,99999}\"\\S{0,99999})\\s|(?<=\\G\\S{0,99999}'.{0,99999}'\\S{0,99999})\\s"

Answer 9

Jan 的方法很棒，但这里还有一个记录在案。

如果你真的想像标题中提到的那样拆分，保留"will be"和'regular expression'中的引号，那么你可以使用直接来自Match (or replace) a pattern except in situations s1, s2, s3 etc的这种方法

正则表达式：

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

左边的两个交替匹配完整的'quoted strings' 和"double-quoted strings"。我们将忽略这些匹配。右侧匹配并捕获第 1 组的空格，我们知道它们是正确的空格，因为它们没有被左侧的表达式匹配。我们将它们替换为SplitHere，然后拆分为SplitHere。同样，这是一个真正的拆分案例，您需要"will be"，而不是will be。

这是一个完整的工作实现（请参阅online demo 上的结果）。

import java.util.*;
import java.io.*;
import java.util.regex.*;
import java.util.List;

class Program {
public static void main (String[] args) throws java.lang.Exception  {

String subject = "This is a string that \"will be\" highlighted when your 'regular expression' matches something.";
Pattern regex = Pattern.compile("\'[^']*'|\"[^\"]*\"|( )");
Matcher m = regex.matcher(subject);
StringBuffer b= new StringBuffer();
while (m.find()) {
    if(m.group(1) != null) m.appendReplacement(b, "SplitHere");
    else m.appendReplacement(b, m.group(0));
}
m.appendTail(b);
String replaced = b.toString();
String[] splits = replaced.split("SplitHere");
for (String split : splits) System.out.println(split);
} // end main
} // end Program

Answer 10

如果你使用的是c#，你可以使用

string input= "This is a string that \"will be\" highlighted when your 'regular expression' matches <something random>";

List<string> list1 = 
                Regex.Matches(input, @"(?<match>\w+)|\""(?<match>[\w\s]*)""|'(?<match>[\w\s]*)'|<(?<match>[\w\s]*)>").Cast<Match>().Select(m => m.Groups["match"].Value).ToList();

foreach(var v in list1)
   Console.WriteLine(v);

我特别添加了“|”来强调您可以指定任何字符来分组短语。 （在这种情况下，我使用 进行分组。

输出是：

This
is
a
string
that
will be
highlighted
when
your
regular expression 
matches
something random

Answer 11

第一个使用 String.split() 的单行器

String s = "This is a string that \"will be\" highlighted when your 'regular expression' matches something.";
String[] split = s.split( "(?<!(\"|').{0,255}) | (?!.*\\1.*)" );

[This, is, a, string, that, "will be", highlighted, when, your, 'regular expression', matches, something.]

如果空格用单引号或双引号括起来，请不要在空格处拆分
当左侧的 255 个字符和空白右侧的所有字符既不是单引号也不是双引号时，在空白处拆分

改编自 original post（仅处理双引号）

Answer 12

我有理由确定仅使用正则表达式是不可能的。检查某些东西是否包含在其他标签中是一种解析操作。这似乎与尝试使用正则表达式解析 XML 的问题相同——它无法正确完成。您可以通过重复应用与引用字符串匹配的非贪婪、非全局正则表达式来获得所需的结果，然后一旦找不到其他任何内容，将其拆分为空格......问题，包括跟踪所有子字符串的原始顺序。最好的办法是编写一个非常简单的函数来遍历字符串并提取出你想要的标记。

Answer 13

对 Jan 接受的答案进行一些希望有用的调整：

(['"])((?:\\\1|.)+?)\1|([^\s"']+)

• 允许在带引号的字符串中使用转义引号
• 避免重复单引号和双引号的模式；如果需要，这也简化了添加更多引用符号的过程（以增加一个捕获组为代价）

Answer 14

你也可以试试这个：

    String str = "This is a string that \"will be\" highlighted when your 'regular expression' matches something";
    String ss[] = str.split("\"|\'");
    for (int i = 0; i < ss.length; i++) {
        if ((i % 2) == 0) {//even
            String[] part1 = ss[i].split(" ");
            for (String pp1 : part1) {
                System.out.println("" + pp1);
            }
        } else {//odd
            System.out.println("" + ss[i]);
        }
    }

Answer 15

以下返回参数数组。除非包含在单引号或双引号中，否则参数是按空格分隔的变量“命令”。然后修改匹配以删除单引号和双引号。

using System.Text.RegularExpressions;

var args = Regex.Matches(command, "[^\\s\"']+|\"([^\"]*)\"|'([^']*)'").Cast<Match>
().Select(iMatch => iMatch.Value.Replace("\"", "").Replace("'", "")).ToArray();