正则表达式标记化问题

Question

我有用户输入的字符串，并希望对它们进行标记。为此，我想使用正则表达式，但现在遇到了一个特殊情况的问题。 一个示例字符串是

Test + "Hello" + "Good\"more" + "Escape\"This\"Test" 或 C# 等价物

@"Test + ""Hello"" + ""Good\""more"" + ""Escape\""This\""Test"""

我可以匹配 Test 和 + 标记，但不能匹配 "。我使用 " 让用户指定这实际上是一个字符串而不是特殊标记。现在如果用户想在字符串中使用 " 字符，我想允许他用 \ 转义它。

所以规则是：给我两个“”之间的所有内容，但最后一个“”前面的字符不能是\。

我期望的结果是："Hello""Good\"more""Escape\"This\"Test" 我需要 " " 字符出现在最后一场比赛中，所以我知道这是一个字符串。

我目前有正则表达式@"""([\w]*)(?<!\\"")"""，它给了我以下结果："Hello""more""Test"

所以后面的样子并没有像我想要的那样工作。有谁知道获取我想要的字符串的正确方法吗？

Answer 1

这是我用来解析命令行的正则表达式的改编：

(?!\+)((?:"(?:\\"|[^"])*"?|\S)+)

例如here at regex101

（适应是忽略+并检查\"而不是""的负面预测）

希望对你有所帮助。

问候。

编辑：

如果您对周围的引号不感兴趣：

(?!\+)(?:"((?:\\"|[^"])*)"?|(\S+))

Answer 2

为了更安全，我建议使用以下正则表达式获取未转义的 "..." 对中的所有子字符串：

^(?:[^"\\]*(?:\\.[^"\\]*)*("[^"\\]*(?:\\.[^"\\]*)*"))+

匹配

• ^ - 字符串的开头（这样我们就可以检查每个 " 和转义序列）
• (?: - 非捕获组 1 作为后续子模式的容器
  • [^"\\]*(?:\\.[^"\\]*)* - 匹配除 " 和 \ 之外的 0+ 个字符，后跟 0+ 个 \\. 序列（任何转义序列），然后匹配除 " 和 \ 之外的 0+ 个字符（因此，我们避免匹配第一个被转义的"，它前面可以有任意数量的转义序列）
  • ("[^"\\]*(?:\\.[^"\\]*)*") - 捕获匹配 "..." 子字符串的组 1，其中可能包含任何转义序列
• )+ - 重复 1 次或多次的第一个非捕获组的结尾

查看regex demo，这里是C# demo：

var rx = "^(?:[^\"\\\\]*(?:\\\\.[^\"\\\\]*)*(\"[^\"\\\\]*(?:\\\\.[^\"\\\\]*)*\"))+";
var s = @"Test + ""Hello"" + ""Good\""more"" + \""Escape\""This\""Test\"" + ""f""";
var matches = Regex.Matches(s, rx)
        .Cast<Match>()
        .SelectMany(m => m.Groups[1].Captures.Cast<Capture>().Select(p => p.Value).ToArray())
        .ToList();
Console.WriteLine(string.Join("\n", matches));

更新

如果您需要删除标记，只需使用以下代码匹配并捕获它们之外的所有标记：

var keep = "[^\"\\\\]*(?:\\\\.[^\"\\\\]*)*";
var rx = string.Format("^(?:(?<keep>{0})\"{0}\")+(?<keep>{0})$", keep);
var s = @"Test + ""Hello"" + ""Good\""more"" + \""Escape\""This\""Test\"" + ""f""";
var matches = Regex.Matches(s, rx)
        .Cast<Match>()
        .SelectMany(m => m.Groups["keep"].Captures.Cast<Capture>().Select(p => p.Value).ToArray())
        .ToList();
Console.WriteLine(string.Join("", matches));

见another demo

输出：Test + + + \"Escape\"This\"Test\" + 对应 @"Test + ""Hello"" + ""Good\""more"" + \""Escape\""This\""Test\"" + ""f""";。