Java Pattern.compile 忽略转义的双引号 (\")答案

【问题标题】：Java Pattern.compile ignoring escaped double quotes (\")Java Pattern.compile 忽略转义的双引号 (\")
【发布时间】：2015-07-08 12:44:13
【问题描述】：

我很难找出忽略转义引号的模式。我想要这个：

    "10\" 2 Topping Pizza, Pasta, or Sandwich for $5 each. Valid until 2pm. Carryout only.","blah blah"

匹配为：

   1> "10\" 2 Topping Pizza, Pasta, or Sandwich for $5 each. Valid until 2pm. Carryout only."
   2> "blah blah"

我一直在尝试这个：

    Pattern pattern = Pattern.compile("\"[^\"]*\"");
    Matcher matcher = pattern.matcher(filteredCoupons);

我明白了

   1> "10\"
   2> ","

【问题讨论】：

标签： java regex escaping quotes

【解决方案1】：

您正在寻找的正则表达式是

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

见demo

在 Java 中，

String pattern = "\"[^\"\\\\]*(?:\\\\.[^\"\\\\]*)*\"";

【讨论】：

我可以在 7 分钟内接受这个答案。我会做的。因为它工作得很好。
请注意，Pshemo 的答案实际上是相同的，但包含在一个交替组中。我的“展开”版本更快更安全，因为涉及的回溯步骤更少。
我不确定在这种情况下，诸如 regex101 之类的计步器有多可靠。目前没有安装 pcretest，但性能似乎很好，还没有看到这种方法。
我在regexhero.net 测试了类似的正则表达式模式。虽然它是为 .NET 风格量身定制的，但我认为底层的基本机制是相似的：回溯越少，模式就越安全。

【解决方案2】：

您的正则表达式似乎需要接受非引号，或前面有 \ 的引号。在这种情况下尝试使用

Pattern pattern = Pattern.compile("\"(\\\\.|[^\"])*\"");

这部分正则表达式\\\\.|[^\"]会尝试查找

\. - 任何转义字符，
（| 或）[^\"] - 任何非引号字符

我将\. 放在[^\"] 之前，以防止\ 与[^\"] 匹配。

换句话说，对于像foo\"bar" 和正则表达式\\\\.|[^\"] 这样的文本，你会得到这个匹配

foo\"bar"
^^^-matched by [^\"]

foo\"bar"
   ^^-matched by \.

foo\"bar"
     ^^^-matched by [^\"]

foo\"bar"
        ^-can't be matched by anything since there is no \ before
          nor it is non-quote

演示：

String filteredCoupons = "\"10\\\" 2 Topping Pizza, Pasta, or Sandwich for $5 each. Valid until 2pm. Carryout only.\",\"blah blah\"";
Pattern pattern = Pattern.compile("\"(\\\\.|[^\"])*\"");
Matcher matcher = pattern.matcher(filteredCoupons);
while(matcher.find()){
    System.out.println(matcher.group());
}

输出：

"10\" 2 Topping Pizza, Pasta, or Sandwich for $5 each. Valid until 2pm. Carryout only."
"blah blah"

【讨论】：

【解决方案3】：

也可以使用否定的lookbehind：

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

作为 Java 字符串：

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

见test at regex101; test at regexplanet（点击“Java”）

遇到" 后，如果没有前面的反斜杠跳过一个字符，它会向后看
类似".*?(?<!\\)"，但在遇到" 后表现更好
使用(?s) 标志使点也匹配换行符

出于兴趣，我使用regexhero.net 的示例字符串对不同版本进行了基准测试（感谢@stribizhev 提供此链接！）。不确定regex101 的计步器在这里是否准确。

仅使用非捕获组进行基准测试。有趣的是，"(?:\\.|[^"])*" 与捕获组 "(\\.|[^"])*" 相比，性能几乎翻了一番。

【讨论】：