使用转义序列提取双引号字符串[重复]

Question

我有一些表格文本：

This is some text, and here's some in "double quotes"
"and here's a double quote:\" and some more", "text that follows"

文本包含双引号内的字符串，如上所示。双引号可以用反斜杠 (\) 转义。在上面，有三个这样的字符串：

"double quotes"
"and here's a double quote:\" and some more"
"text that follows"

为了提取这些字符串，我尝试了正则表达式：

"(?:\\"|.)*?"

但是，这给了我以下结果：

>>> preg_match_all('%"(?:\\"|.)*?"%', $msg, $matches)
>>> $matches
[
  [ "double quotes",
    "and here's a double quote:\",
    ", "
  ]
]

如何正确获取字符串？

Answer 1

如果你echo your pattern, you'll see it's indeed passed as %"(?:\"|.)*?"% 到正则表达式解析器。即使是正则表达式解析器，单个反斜杠也会被视为转义字符。

因此，如果模式在单引号内，则您需要至少再添加一个反斜杠，以将两个反斜杠传递给解析器（一个用于转义反斜杠），该模式将是：%"(?:\\"|.)*?"%

preg_match_all('%"(?:\\\"|.)*?"%', $msg, $matches);

这仍然不是一个非常有效的模式。这个问题似乎实际上是一个duplicate of this one。

有一个better pattern available in this answer（有些人会称之为unrolled）。

preg_match_all('%"[^"\\\]*(?:\\\.[^"\\\]*)*"%', $msg, $matches);

See demo at eval.in 或与其他模式比较步骤in regex101。

Answer 2

一种方法是使用否定。回顾：

".*?(?<!\\)"

---

PHP 中的哪个是：

<?php

$text = <<<TEXT
This is some text, and here's some in "double quotes"
"and here's a double quote:\" and some more", "text that follows"
TEXT;

$regex = '~".*?(?<!\\\\)"~';

if (preg_match_all($regex, $text, $matches)) {
    print_r($matches);
}
?>

---

这产生

Array
(
    [0] => Array
        (
            [0] => "double quotes"
            [1] => "and here's a double quote:\" and some more"
            [2] => "text that follows"
        )

)

---

见a demo on regex101.com。

---

要让它跨越多行，请通过以下方式启用dotall 模式

"(?s:.*?)(?<!\\)"

也请参阅a demo for the latter on regex101.com。

Answer 3

如果您让正则表达式捕获反斜杠字符作为字符，那么它将在“\”处终止您的捕获组（因为前面的 \ 被视为单个字符）。所以你需要做的是允许 \" 被捕获，但不是 \ 或 " 单独捕获。结果是以下正​​则表达式：

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

Try it here!

下面详细解释：

"                begin with a single quote character
(                capture only what follows (within " characters)
  (?:            don't break into separate capture groups
    [^"\\]*      capture any non-" non-\ characters, any number of times
    (?:\\")*     capture any \" escape sequences, any number of times
  )*             allow the previous two groups to occur any number of times, in any order
)                end the capture group
"                make sure it ends with a "

请注意，在许多语言中，当将正则表达式字符串提供给方法以解析某些文本时，您需要转义反斜杠字符、引号等。在 PHP 中，上述内容将变为：

'/"((?:[^"\\\\]*(?:\\\\")*)*)"/'