正则表达式前瞻或后视答案

【问题标题】：Regex lookahead or lookbehind正则表达式前瞻或后视
【发布时间】：2013-11-15 19:06:49
【问题描述】：

我正在学习如何使用正则表达式前瞻和后瞻。

我想像这样从文本中提取json值

{"html":"\n\t\t\t\t<table class=\"table\">"}

我正在像这样在 C# 上使用正则表达式

 Regex.Match(text, "\"html\":\"([^(?<!\\\\)\"]*)").Groups[1].Value

或者

 Regex.Match(text, "\"html\":\"((?<!\\\\$)[^\"]*)").Groups[1].Value

但它根本不起作用。我可以使用 C# regex 获得这个值吗？

【问题讨论】：

为什么不使用JavaScriptSerializer？为什么是正则表达式？
@Amadan 因为我正在学习正则表达式前瞻和后瞻。
lookahead 和lookbehind 被称为零长度断言。这意味着他们返回是否找到匹配项，但不返回匹配项。 regular-expressions.info/lookaround.html
@MikeCheel 没错！我想确保 [^"]* 不以“\”字符结尾

标签： c# regex

【解决方案1】：

有一个完全适合您的tool，这正是在这种解析 JSON 对象的情况下您所需要的。

好的，如果您正在学习 Regex，以下是您检索 JSON 数据的示例：

class Program
{
    static void Main(string[] args)
    {
        // {"html":"\n\t\t\t\t<table class=\"table\">"} 
        var s = "{\"html\":\"\n\t\t\t\t<table class=\\\"table\\\">\"}";
        Console.WriteLine("\"{0}\"", ParseJson("html", s).First());
        // You might wanna do Trim() on the string because of those \t\t\t etc.
    }
    static private IEnumerable<string> ParseJson(string key, string input)
    {
        Regex r = new Regex(@"\{\""" + key + "\""\:\""(.*?)(?<!\\)\""\}", RegexOptions.Singleline);
        return r.Matches(input).Cast<Match>().Select(T => T.Groups[1].Value);
    }
}

几点说明：

使用(?<!\\) 作为否定的后向查找（来自here），用于前面没有反斜杠的双引号。
使用 RegexOptions.Singleline 作为点 (.) 字符以匹配换行符 (\r & \n)。
Do not parse HTML with regex :)

【讨论】：

他正在尝试学习正则表达式，但不一定要解析 JSON。

【解决方案2】：

/"html":"(?:[^"]*(\\"[^"]*(?<!\\)))*"/

        -                              opening quote
            -----    -----         -     then any number of non-quotes
                 ----              -     ... separated by an escaped quote
                          -------        ... where the non-quote string doesn't
                                              end in a backslash
                                    -    closing quote

对于这种情况应该是一个足够好的近似值。

（我已经用标准的正则表达式方式编写了它；记得为 C# 字符串文字转义反斜杠和引号。）

【讨论】：

其实我的json值很大。而且这段代码在那里不起作用。我刚刚在这里发布了 json 的开头。
正如我所说，适用于这种情况。我可以想象，如果您在未转义的引号之前有一个转义的反斜杠，或者非字符串值，或者其键不是"html" 的值，它就不会起作用。这就是为什么对于真实数据，您使用比常规自动机具有更多状态的解析器，并且最好是已经编写和测试过的东西（如JavaScriptSerializer）。或者至少使用具有强大“正则表达式”的语言，例如 Perl，它实现了递归，因此不再是“常规”。