正则表达式选择所有不在引号中的空格？

Posted 2023-02-26

【中文标题】正则表达式选择所有不在引号中的空格？

【英文标题】：Regular expression to select all whitespace that isn't in quotes?

【发布时间】：2012-03-23 14:10:51

【问题描述】：

我不太擅长正则表达式，有人能给我一个正则表达式（在 Java 中使用）来选择不在两个引号之间的所有空格吗？我正在尝试从字符串中删除所有此类空格，因此任何解决方案都可以这样做。

例如：

（这是一个测试“正则表达式的句子”）

应该变成

(thisisatest"正则表达式的句子")

【问题讨论】：

只有 一个 组引号吗？因为这不能用于任意数量的引号（至少不能使用正则表达式）。

如果引号总是平衡的，和如果嵌套引号（如果有）被转义，则可以做到。

我想知道这样一个万能的正则表达式是否存在。

【参考方案1】：

这不是正则表达式所擅长的。使用正则表达式的搜索和替换功能总是有点受限，任何类型的嵌套/包含都变得困难和/或不可能。

我建议另一种方法：将字符串拆分为引号字符。遍历生成的字符串数组，并从每个 other 子字符串中去除空格（您是从第一个还是第二个开始取决于您的字符串是否以引号开头）。然后将它们重新连接在一起，使用引号作为分隔符。这应该会产生您正在寻找的结果。

希望有帮助！

PS：请注意，这不会处理嵌套字符串，但由于您无法使用 ASCII 双引号字符创建嵌套字符串，我假设您不需要这种行为。

PPS：一旦你处理了你的子字符串，那么现在是使用正则表达式来消除这些空格的好时机——不用担心包含引号。请记住使用 /.../g 修饰符来确保它是全局替换，而不仅仅是第一个匹配项。

【参考方案2】：

这不是一个精确的解决方案，但您可以通过执行以下操作来实现您的目标：

第 1 步：匹配两个段

\\(([a-zA-Z ]\*)"([a-zA-Z ]\*)"\\)

第 2 步：删除空格

temp = $1 replace " " with ""

第 3 步：重建你的字符串

(temp"$2")

【参考方案3】：

引号外的空格组由 a) 非空格或 b) 引号内的内容分隔。

可能是这样的：

(\s+)([^ "]+|"[^"]*")*

第一部分匹配一系列空格；第二部分匹配非空格（和非引号）或引号中的某些内容，或者重复任意次数。第二部分是分隔符。

这将为结果中的每个项目提供两个组；忽略第二个元素。 （我们需要括号来表示优先级，而不是在那里匹配分组。）或者，你可以说，连接所有第二个元素——尽管你也需要匹配第一个非空格单词，或者在这个例子中，使空格可选：

StringBuffer b = new StringBuffer();
Pattern p = Pattern.compile("(\\s+)?([^ \"]+|\"[^\"]*\")*");
Matcher m = p.matcher("this is \"a test\"");
while (m.find()) 
    if (m.group(2) != null)
        b.append(m.group(2));

System.out.println(b.toString());

（我在 Java 中没有做过很多正则表达式，所以期待错误。）

最后，如果正则表达式是强制性的，我会这样做。 ;-)

除了 Xavier 的技术之外，您还可以像在 C 中那样简单地执行此操作：只需遍历输入字符，然后将每个字符复制到新字符串（如果它不是空格，或者您已经计算过）到该点为止的奇数个引号。

【讨论】：

+1 是更明智的方法，但我会将其写为s=s.replaceAll("\\s+([^\\s\"]+|\"[^\"]*\"|\\z)", "$1");。空格并不是真正的可选（关键是要删除它，毕竟），所以你不需要对它进行分组。另一部分也不是可选的，你也不需要一次匹配多个，所以我去掉了*。我只需要为字符串末尾的空格添加 \z 替代项。

【参考方案4】：

如果只有一组引号，你可以这样做：

    String s = "(this is a test \"sentence for the regex\") a b c";

    Matcher matcher = Pattern.compile("^[^\"]+|[^\"]+$").matcher(s);
    while (matcher.find())
    
        String group = matcher.group();
        s = s.replace(group, group.replaceAll("\\s", ""));
    

    System.out.println(s); // (thisisatest"sentence for the regex")abc

【讨论】：

尝试使用字符串"this is a test \"this is a test \""。它最终会替换所有空格，因为replace() 会全局替换所有看起来正则表达式匹配的内容。

【参考方案5】：

这是一个有效的正则表达式替换：

\s+(?=([^"]*"[^"]*")*[^"]*$)

将替换：

(this is a test "sentence for the regex" foo bar)

与：

(thisisatest"sentence for the regex"foobar)

请注意，如果引号可以转义，则更冗长的正则表达式会起作用：

\s+(?=((\\[\\"]|[^\\"])*"(\\[\\"]|[^\\"])*")*(\\[\\"]|[^\\"])*$)

替换输入：

(this is a test "sentence \"for the regex" foo bar)

与：

(thisisatest"sentence \"for the regex"foobar)

（请注意，它也适用于转义的退格：(thisisatest"sentence \\\"for the regex"foobar)）

不用说（？），这真的不应该用来执行这样的任务：它让人眼睛流血，它在二次时间内执行它的任务，而存在一个简单的线性解决方案。

编辑

快速演示：

String text = "(this is a test \"sentence \\\"for the regex\" foo bar)";
String regex = "\\s+(?=((\\\\[\\\\\"]|[^\\\\\"])*\"(\\\\[\\\\\"]|[^\\\\\"])*\")*(\\\\[\\\\\"]|[^\\\\\"])*$)";
System.out.println(text.replaceAll(regex, ""));

// output: (thisisatest"sentence \"for the regex"foobar)

【讨论】：

这很好用，但对它的具体工作原理进行一些解释会有所帮助

【参考方案6】：

这是适用于单引号和双引号的正则​​表达式（假设所有字符串都正确分隔）

\s+(?=(?:[^\'"]*[\'"][^\'"]*[\'"])*[^\'"]*$)

它不适用于包含引号的字符串。

【讨论】：

我认为这是我找到的最好的一个

感谢，它可以完美地用作 sublime 的 tabalign 正则表达式