复杂正则表达式拆分的需要模式答案

【问题标题】：Need pattern for a complex Regex Split复杂正则表达式拆分的需要模式
【发布时间】：2013-09-07 01:24:42
【问题描述】：

我想拆分以下字符串

// Comments
KeyA : SomeType { SubKey : SubValue } KeyB:'This\'s a string'
KeyC : [ 1 2 3 ] // array value

进入

KeyA
:
SomeType
{ SubKey : SubValue }
KeyB
:
This's a string
KeyC
:
[ 1 2 3 ]

(: 和空格是分隔符，尽管 : 保留在结果中；cmets 被忽略；{}、[] 或 '' 之间没有分隔符)

我可以使用 Regex Split 或 Match 来实现吗？如果是这样，正确的模式是什么？对模式字符串的评论将不胜感激。

此外，如果输入字符串无效，也希望抛出异常或返回错误消息（请参阅下面的注释）。

谢谢。

【问题讨论】：

输入"A{B[C}D]" 会发生什么？给"A'B{C'"？给"A{B{C}D}E"?
对于第一个，它应该返回一个错误（最好带有一些用于调试的上下文）。对于第二个，它应该返回 A ， {B{C}D} ， E
您是否有理由将其强制为正则表达式？这将更容易（非常！）编写为递归下降解析器。
我最初认为可以通过不那么复杂的正则表达式模式来实现。但是，我已经按照您的建议实现了自定义 Lexer。

标签： c# .net regex tokenize lexer

【解决方案1】：

你可以使用这个模式...

string pattern = @"(\w+)\s*:\s*((?>[^\w\s\"'{[:]+|\w+\b(?!\s*:)|\s(?!\w+\s*:|$)|\[[^]]*]|{[^}]*}|\"(?>[^\"\\]|\\.)*\"|'(?>[^'\\]|\\.)*')+)\s*";

...有两种方式：

使用 Match 方法，该方法将使用组 1 中的键和组 2 中的值为您提供所需的内容
使用拆分方法，但必须删除所有空结果。

如何构建模式的第二部分（: 之后）？

首先要避免有问题的字符：[^\w\s\"'{[:]+ 然后，您允许这些字符中的每一个，但在特定情况下：

\w+\b(?!\s*:)一个不是关键的词
\s(?!\w+\s*:|$) 不在值末尾的空格（修剪它们）
\[[^]]*] 方括号括起来的内容
{[^}]*} 与大括号相同
"(?>[^"\\]|\\\\|\\.)*" 双引号之间的内容（允许转义双引号）
'(?>[^'\\]|\\\\|\\.)*' 单引号也一样

请注意，括号或引号内的冒号问题是可以避免的。

【讨论】：

【解决方案2】：

当您访问 KeyC 时，我不太确定您在寻找什么。您如何知道 KeyB 的字符串值何时结束而 KeyC 的字符串何时开始？ 'this\'s is a string' 或换行符后是否有冒号？下面是一个让您入门的示例：

[TestMethod]
public void SplitString()
{
    string splitMe = "KeyA : SubComponent { SubKey : SubValue } KeyB:This's is a string";
    string pattern = "^(.*):(.*)({.*})(.*):(.*)";

    Match match = Regex.Match(splitMe, pattern);

    Assert.IsTrue(match.Success);
    Assert.AreEqual(6, match.Groups.Count); // 1st group is the entire match
    Assert.AreEqual("KeyA", match.Groups[1].Value.Trim());
    Assert.AreEqual("SubComponent", match.Groups[2].Value.Trim());
    Assert.AreEqual("{ SubKey : SubValue }", match.Groups[3].Value.Trim());
    Assert.AreEqual("KeyB", match.Groups[4].Value.Trim());
    Assert.AreEqual("This's is a string", match.Groups[5].Value.Trim());
}

【讨论】：

^ 字符表示行首，括号定义组。
感谢您的提问。 ':' 和空格都是分隔符。我会更正这个问题。

【解决方案3】：

这个正则表达式模式应该适合你

\s*:\s*(?![^\[]*\])(?![^{]*})(?=(([^"]*"[^"]*){2})*$|[^"]+$)

当替换为

\n$0\n

Demo

【讨论】：