我有一种语言,它将字符串定义为由单引号或双引号分隔,其中分隔符在字符串中通过加倍来转义 . 例如,以下所有内容都是合法字符串:
'This isn''t easy to parse.'
'Then John said, "Hello Tim!"'
"This isn't easy to parse."
"Then John said, ""Hello Tim!"""
我有一个字符串集合(上面定义),由不包含引号的东西分隔 . 我试图用正则表达式做的是解析列表中的每个字符串 . 例如,这是一个输入:
“一些字符串#1”或“一些字符串#2”和“一些'字符串'#3”XOR'一些“字符串”#4'HOWDY“一些”“字符串”“#5”FOO'一些''字符串' '#6'
用于确定字符串是否具有这种形式的正则表达式是微不足道的:
^(?:"(?:[^"]|"")*"|'(?:[^']|'')*')(?:\s+[^"'\s]+\s+(?:"(?:[^"]|"")*"|'(?:[^']|'')*')*
在运行上面的表达式来测试它是否是这种形式之后,我需要另一个正则表达式来从输入中获取每个分隔的字符串 . 我计划这样做如下:
Pattern pattern = Pattern.compile("What REGEX goes here?");
Matcher matcher = pattern.matcher(inputString);
int startIndex = 0;
while (matcher.find(startIndex))
{
String quote = matcher.group(1);
String quotedString = matcher.group(2);
...
startIndex = matcher.end();
}
我想要一个正则表达式来捕获组#1中的引号字符,以及组#2中的引号中的文本(我正在使用Java Regex) . 所以,对于上面的输入,我正在寻找一个在每个循环迭代中产生以下输出的正则表达式:
Loop 1: matcher.group(1) = "
matcher.group(2) = Some String #1
Loop 2: matcher.group(1) = '
matcher.group(2) = Some String #2
Loop 3: matcher.group(1) = "
matcher.group(2) = Some 'String' #3
Loop 4: matcher.group(1) = '
matcher.group(2) = Some "String" #4
Loop 5: matcher.group(1) = "
matcher.group(2) = Some ""String"" #5
Loop 6: matcher.group(1) = '
matcher.group(2) = Some ''String'' #6
到目前为止我尝试过的模式(未转义,然后转义为Java代码):
(["'])((?:[^\1]|\1\1)*)\1
"([\"'])((?:[^\\1]|\\1\\1)*)\\1"
(?<quot>")(?<val>(?:[^"]|"")*)"|(?<quot>')(?<val>(?:[^']|'')*)'
"(?<quot>\")(?<val>(?:[^\"]|\"\")*)\"|(?<quot>')(?<val>(?:[^']|'')*)'"
尝试编译模式时,这两个都失败了 .
这样的正则表达式可能吗?
5 回答
创建一个匹配您的实用程序类:
我不确定这是否是你要求的,但你可以编写一些代码来解析字符串并获得所需的结果(引用字符和内部文本)而不是使用正则表达式 .
使用这个正则表达式:
一些测试代码:
输出:
如果您对如何捕获文本中的引用文本感兴趣:
此正则表达式匹配所有变体并捕获组1中的引用和组6中的引用文本:
见live demo .
这是一些测试代码:
输出:
对这类问题使用正则表达式非常具有挑战性 . 不使用正则表达式的简单解析器更容易实现,理解和维护 .
另外,这样一个简单的解析可以很容易地支持反斜杠转义,以及将反斜杠序列转换为字符(例如“\ n”转换为换行符) .
这可以通过下面的简单正则表达式轻松完成
我们在这里得到字符串作为数组元素 .