正则表达式匹配任意行上的多个 MBCS 字符串答案

【问题标题】：Regex to match multiple MBCS strings on any line正则表达式匹配任意行上的多个 MBCS 字符串
【发布时间】：2013-10-01 20:11:46
【问题描述】：

我正在寻找一个正则表达式来仅匹配 C++ 项目中的 MBCS 字符串。这些是包含在双引号中的字符串，没有L"..." 或_T("...") 说明符。任何代码行都可以有多个引号。字符串可以包含不应结束匹配的转义子字符串。以下是几个例子：

"This is a MBCS string"; // "This is a MBCS string" match
_T("This is maybe a unicode string"); // no match
L"This is a unicode string"; // no match
"These both" + "should match"; // "These both" and "should match" match
"This is a \"quoted\" string"; // "This is a \"quoted\" string" match

我有一个正则表达式，可以使用负回溯(?<!#include )(?<!_T\()(?<!\\)(?<!L)\"(.*?)\"(?<!\\\") 处理所有这些问题，但它变得更加复杂。它开始在一行上混合字符串类型出现问题。

_T("Maybe this") + "is a match"; // "is this" match but instead would match ") + "
do_something(_T("This doesn't match")) + do_something("but this does match"); // "but this does match" match but instead it matches ")) + do_something("

我怎样才能让正则表达式在 _T("") 和 L"" 单词上不匹配，但仍然匹配它们以吃掉结尾引号而不将其作为匹配项返回？

编辑：这个正则表达式 (?:_T\(\"[^\"]+\"\).*?|L\"[^\"]+\".*?)*(?<!#include )(?<!_T\()(?<!L)(?<!\\)\"(.*?)\"(?<!\\\") 几乎可以完成这项工作，但还有一个测试用例失败了，我最初没想过要包括在内。

_T("don't match this") + _T("or this"); // shouldn't match anything, matches ") + _T("

【问题讨论】：

你不能全部匹配然后过滤掉那些以L或_T(开头的吗？
如果您的字符串格式正确，我会提取每个(?:L|_T\s*\(\s*)?"(?:[^\"]+|\\")*" 字符串，然后检查它是否在开始引号之前有前缀。
是的，这绝对是一个想法。我想知道是否有一种简单的方法来提出正确的正则表达式，但是当我通过一些真实文件运行它时，这看起来越来越难了。

标签： c++ regex string

【解决方案1】：

您实际上可能会匹配 _T 和 L 部分，以便在之前的匹配中使用它们：

(?:_T\(\"[^\"]+\"\).*?|L\"[^\"]+\".*?)?(?<!#include )(?<!_T\(|L|\\)\"(.*?)\"(?<!\\\")

我还缩短了负面的后视。

regex101 demo

【讨论】：

行得通，谢谢！为了将它与 Python 一起使用，我不得不扩展缩短后的外观，它只在固定长度的外观上运行，所以我最终得到了以下(?:_T\(\"[^\"]+\"\).*?|L\"[^\"]+\".*?)?(?<!#include )(?<!_T\()(?<!L)(?<!\\)\"(.*?)\"(?<!\\\")。
@Kyle 哦，好吧，可以理解，这意味着尽管您应该仍然可以使用 (?<!L|\\) 而不是 (?<!L)(?<!\\) :)
这是我提出的问题的一个很好的解决方案，但是我在原始示例中错过了一个带有两个转义字符串 _T("test"), _T("case") 的大型测试用例。它与非捕获组不匹配，并在两个字符串之间命中), _T(，这是错误的。据我所知，可以捕获零个字符或主要捕获，但这会通过在大多数行上不捕获任何内容并引发异常来破坏 Python 替换。捕获任何字符串@tripleee 并检查正则表达式外部是否是 MBCS 字符串可能是最简单的。
@Kyle 你也有连续的“错误匹配”（如果我可以这样称呼）？您可以将? 变成*，这样可以跳过更多。您还可以测试不同的案例here（我已经在其中添加了两个连续T("...") 的案例）。