正则表达式用转义字符解析字符串

Question

我正在从格式化的字符串中读取信息。 格式如下：

"foo:bar:beer:123::lol"

“：”之间的所有内容都是我想用正则表达式提取的数据。如果一个 : 后跟另一个 : （如“::”），则此数据必须是“”（一个空字符串）。

目前我正在用这个正则表达式解析它：

(.*?)(:|$)

现在我想到“：”也可能存在于数据中。所以它必须逃脱。 示例：

"foo:bar:beer:\::1337"

如何更改我的正则表达式，使其也匹配“\:”作为数据？

编辑：我使用 JavaScript 作为编程语言。它似乎对复杂的正则表达式有一些限制。该解决方案也应该适用于 JavaScript。

谢谢， 麦克法兰

Answer 1

var myregexp = /((?:\\.|[^\\:])*)(?::|$)/g;
var match = myregexp.exec(subject);
while (match != null) {
    for (var i = 0; i < match.length; i++) {
        // Add match[1] to the list of matches
    }
    match = myregexp.exec(subject);
}

输入："foo:bar:beer:\\:::1337"

输出：["foo", "bar", "beer", "\\:", "", "1337", ""]

你总是会得到一个空字符串作为最后一个匹配。鉴于您还希望空字符串在分隔符之间匹配（以及 JavaScript 中缺少后向断言），这是不可避免的。

说明：

(          # Match and capture:
 (?:       # Either match...
  \\.      # an escaped character
 |         # or
  [^\\:]   # any character except backslash or colon
 )*        # zero or more times
)          # End of capturing group
(?::|$)    # Match (but don't capture) a colon or end-of-string

Answer 2

这里有一个解决方案：

function tokenize(str) {
  var reg = /((\\.|[^\\:])*)/g;
  var array = [];
  while(reg.lastIndex < str.length) {
    match = reg.exec(str);
    array.push(match[0].replace(/\\(\\|:)/g, "$1"));
    reg.lastIndex++;
  }
  return array;
}

它根据: 字符将字符串拆分为标记。

• 但是，如果您希望 : 字符成为令牌的一部分，则可以使用 \ 对其进行转义。
• 如果您希望 \ 成为令牌的一部分，可以使用 \ 转义它
• 任何其他\ 都不会被解释。 （即：\a 仍然是 \a）
• 因此，只要事先正确格式化数据，您就可以将任何数据放入令牌中。

这是一个带有字符串\a:b:\n::\\:\::x 的示例，它应该给出这些令牌：\a、b、\n、<empty string>、\、:、x。

>>> tokenize("\\a:b:\\n::\\\\:\\::x");
["\a", "b", "\n", "", "\", ":", "x"]

为了更清楚：放入标记器的字符串将被解释，它有 2 个特殊字符：\ 和 :

• \ 只有在后面跟着 \ 或 : 时才会有特殊含义，并且会有效地“转义”这些字符：意味着它们将失去其对分词器的特殊含义，它们将被视为任何正常字符（因此将成为令牌的一部分）。
• : 是分隔 2 个标记的标记。

我意识到 OP 并没有要求斜杠转义，但其他查看器可能需要一个完整的解析库，允许数据中的任何字符。

Answer 3

使用否定的lookbehind断言。

(.*?)((?<!\\):|$)

这只会匹配:，如果它不是前面是\。