正则表达式用引号和冒号分割

Posted 2023-03-28

【中文标题】正则表达式用引号和冒号分割

【英文标题】：Regex split with quotes and colon

【发布时间】：2021-03-12 23:04:23

【问题描述】：

我已经看过一千篇关于正则表达式和匹配引用的术语等的帖子，但似乎没有一个能满足我的需求，尽管我尽了最大的努力，但老实说，我对正则表达式非常糟糕，尤其是当你开始寻找前进/后退等，这是我认为我需要的。

我有一个文本框供用户输入搜索。它可能是一个单词，或者它可能有一些关于要搜索哪个字段的提示（冒号表示文本字段，或 > 或

blue "dark blue" author:"john smith" title:foo published>20200101

有几个因素需要考虑。首先，我必须将dark 和blue 放在一起，将john 和smith 放在一起作为一个搜索词。然后我必须将内容分开（：）并决定要搜索的字段。

作为第一步，我想得到一个如下所示的数组：

blue
"dark blue"
author:"john smith"
title:foo 
published>20200101

然后第二步是确定每个术语是否有作者、标题等运算符。

如果这能变成一种表达方式那就太好了，但我当然不会指望它。

谁能帮我解决这个正则表达式模式？非常感谢！不管它值得我使用 C#/.NET 来处理任何细微差别。

【参考方案1】：

您可以尝试按照以下模式进行正则表达式拆分：

[ ](?="|\w+:|\w+>)

Demo

这里使用的正则表达式表示在空格[ ] 上进行拆分，根据这个逻辑：

[ ]       split on space, which is followed by
(?=
    "     a double quote
    |     OR
    \w+:  a word term followed by colon :
    | OR
    \w+>  a word term followed by >
)

请注意，(?=...) 术语是一个环视和断言，但 不 实际上使用任何文本。拆分期间唯一消耗的是单个空间。

【讨论】：

这真的很棒，谢谢@Tim！你能用英语解释一下它是如何工作的，这样我就可以感受到受过教育而不是用勺子喂答案吗？另外，如何处理这种“通用”术语蓝色位于中间某处的情况呢？ "dark blue" author:"john smith" blue title:foo published>20200101

@mateoc15 我已经添加了对正则表达式的解释。我尝试编写 C# 代码，但我不是 C# 人，所以遇到了一些困难。

说得很有道理，感谢您的解释！我的评论中的第二种情况如何，在这些术语的中间而不是开头的某个地方插入“蓝色”？ "dark blue" author:"john smith" BLUE title:foo published>20200101

它很快就会长毛。还有另一个更糟糕的边缘情况"john michael smith"。确实，在一般情况下，您需要一个解析器。

只要“john michael smith”全部用引号括起来，它似乎对我来说效果很好。我意识到它会长毛。即使我没有得到一个正则表达式，我仍然不太确定如何识别字符串中间的 BLUE。这比我到目前为止所获得的要远得多，非常感谢。