正则表达式匹配嵌套的 json 对象

Question

我正在实现某种解析器，我需要定位和反序列化 嵌入到其他半结构化数据中的 json 对象。我使用了正则表达式：

\\{\\s*title.*?\\}

定位对象

{title:'Title'}

但它不适用于嵌套对象，因为表达式只匹配第一个找到的右花括号。对于

{title:'Title',{data:'Data'}}

匹配

{title:'Title',{data:'Data'}

所以字符串对于反序列化变得无效。 我知道有一个贪婪的业务正在考虑，但我不熟悉正则表达式。您能否帮我扩展表达式以使用所有可用的右大括号。

更新：

明确地说，这是从半结构化数据（如嵌入了 JSON 的 HTML+JS）中提取 JSON 数据的尝试。我正在使用 GSon JAVA lib 来实际解析提取的 JSON。

Answer 1

正如其他人所建议的，成熟的 JSON 解析器可能是要走的路。如果您想匹配上面简单示例中的键值对，您可以使用：

(?<=\{)\s*[^{]*?(?=[\},])

对于输入字符串

{title:'Title',  {data:'Data', {foo: 'Bar'}}}

这匹配：

 1. title:'Title'
 2. data:'Data'
 3. foo: 'Bar'

Answer 2

这个递归 Perl/PCRE 正则表达式应该能够匹配任何有效的 JSON 或 JSON5 对象，包括嵌套对象和边缘情况，例如 JSON 字符串中的大括号或 JSON5 cmets：

/(\{(?:(?>[^{}"'\/]+)|(?>"(?:(?>[^\\"]+)|\\.)*")|(?>'(?:(?>[^\\']+)|\\.)*')|(?>\/\/.*\n)|(?>\/\*.*?\*\/)|(?-1))*\})/

当然，这有点难读，所以你可能更喜欢带注释的版本：

m{
  (                               # Begin capture group (matching a JSON object).
    \{                              # Match opening brace for JSON object.
    (?:                             # Begin non-capturing group to contain alternations.
      (?>[^{}"'\/]+)                  # Match a non-empty string which contains no braces, quotes or slashes, without backtracking.
    |                               # Alternation; next alternative follows.
      (?>"(?:(?>[^\\"]+)|\\.)*")      # Match a double-quoted JSON string, without backtracking.
    |                               # Alternation; next alternative follows.
      (?>'(?:(?>[^\\']+)|\\.)*')      # Match a single-quoted JSON5 string, without backtracking.
    |                               # Alternation; next alternative follows.
      (?>\/\/.*\n)                    # Match a single-line JSON5 comment, without backtracking.
    |                               # Alternation; next alternative follows.
      (?>\/\*.*?\*\/)                 # Match a multi-line JSON5 comment, without backtracking.
    |                               # Alternation; next alternative follows.
      (?-1)                           # Recurse to most recent capture group, to match a nested JSON object.
    )*                              # End of non-capturing group; match zero or more repetitions of this group.
    \}                              # Match closing brace for JSON object.
  )                               # End of capture group (matching a JSON object).
}x

Answer 3

感谢@Sanjay T. Sharma 向我指出“大括号匹配”，因为我最终对贪婪表达有了一些了解，也感谢其他人最初说我不应该做的事情。 幸运的是，结果证明使用贪婪的表达式是可以的

\\{\s*title.*\\}

因为右括号之间没有非 JSON 数据。

Answer 4

这绝对是可怕的，我不敢相信我真的把我的名字放到了这个解决方案中，但是你能不能找到 Javascript 块中的第一个 { 字符并尝试通过正确的 JSON 解析库？如果它有效，你就有了比赛。如果没有，请继续阅读直到下一个 { 字符并重新开始。

那里有一些问题，但可能可以解决：

• 您需要能够识别 Javascript 块。大多数语言都有 HTML 到 DOM 库（我是 Java 的 Cyberneko 的忠实粉丝），这使得关注 <script>...</script> 块变得容易。
• 您的 JSON 解析库需要在发现错误后立即停止使用流中的字符，并且在发生错误时不需要关闭流。

当您找到第一个{ 后，改进方法是寻找匹配的}（一个简单的计数器，当您找到{ 时递增，当您找到@987654328 时递减@ 应该可以解决问题）。尝试将生成的字符串解析为 JSON。迭代直到它起作用或者你已经用完了可能的块。

这是丑陋的、骇人听闻的，不应该将其用于生产代码。不过，我的印象是你只需要它来完成批处理作业，这就是我什至建议它的原因。