正则表达式应该只匹配两种类型的带引号的字符串之一

Posted 2023-03-24

【中文标题】正则表达式应该只匹配两种类型的带引号的字符串之一

【英文标题】：regex should match only one of two types of quoted strings

【发布时间】：2019-07-17 19:57:04

【问题描述】：

我需要一个匹配用双引号括起来的字符串的正则表达式。如果此模式用单引号括起来，则它不应匹配用双引号括起来的字符串：

"string"
" 'xyz' "
"  `"    "
"  `" `"   "
"  `" `" `"  "
'  ' "should match" '  '
'   "should not match"   '

现在我有 (https://regex101.com/r/z5PayV/1)

(?:"(([^"]*`")*[^"]*|[^"]*)") 

匹配所有行。但是最后一行不应该匹配。有什么解决办法吗？

【问题讨论】：

就这一点而言，最后两行难道不适合同样的情况：一个用双引号括起来的字符串，也用单引号括起来？为什么倒数第二个匹配，而不是最后一个匹配？

this pattern 是什么意思？您当前的整个正则表达式？

@dvo 最后两行不适合相同的情况。如果想到像 bash 或 powershell 这样的 shell 脚本，最后一行代表一个字符串，而最后一行的秒数代表 3 个字符串。答案表明正则表达式能够解决这个问题。

【参考方案1】：

你必须跳过单引号才能将它们从匹配中排除

更新

对于 C#，必须这样做。 只需使用简单的 CaptureCollection 即可获取所有 引用的匹配项。

(?:'[^']*'|(?:"(([^"]*`")*[^"]*|[^"]*)")|[\S\s])+

展开

 (?:
      ' [^']* '

   |  
      (?:
           "
           (                             # (1 start)
                ( [^"]* `" )*                 # (2)
                [^"]* 
             |  [^"]* 
           )                             # (1 end)
           "
      )
   |  
      [\S\s] 
 )+

C#代码

var str =
"The two sentences are 'He said \"Hello there\"' and \"She said 'goodbye' and 'another sentence'\"\n" +
"\"  `\"    \"\n" +
"\"  `\"    \"\n" +
"\"  `\" `\"   \"\n" +
"\"  `\" `\" `\"  \"\n" +
"'   \"   \"   '\n" +
"\"string\"\n" +
"\" 'xyz' \"\n" +
"\"  `\"    \"\n" +
"\"  `\" `\"   \"\n" +
"\"  `\" `\" `\"  \"\n" +
"'  ' \"should match\" '  '\n" +
"'   \"should not match\"   '\n";

var rx = new Regex( "(?:'[^']*'|(?:\"(([^\"]*`\")*[^\"]*|[^\"]*)\")|[\\S\\s])+" );

Match M = rx.Match( str );
if (M.Success)

    CaptureCollection cc = M.Groups[1].Captures;
    for (int i = 0; i < cc.Count; i++)
        Console.WriteLine("0", cc[i].Value);

输出

She said 'goodbye' and 'another sentence'
  `"
  `"
  `" `"
  `" `" `"
string
 'xyz'
  `"
  `" `"
  `" `" `"
should match

---

不好意思，这是PCRE引擎的做法

'[^']*'(*SKIP)(*FAIL)|(?:"(([^"]*`")*[^"]*|[^"]*)")`

https://regex101.com/r/gMiVDU/1

   ' [^']* '
   (*SKIP) (*FAIL) 
|  
   (?:
        "
        (                             # (1 start)
             ( [^"]* `" )*                 # (2)
             [^"]* 
          |  [^"]* 
        )                             # (1 end)
        "
   )

___________________________-

【讨论】：

我接受了这个答案，尽管我认为第二个非捕获组是错误的。如果我删除它，双引号也会匹配。 @sln 你能确认一下吗？谢谢。

@TobiasWollgam - 你能具体说明哪个正则表达式以及你认为哪里有问题吗？谢谢。

@@TobiasWollgam - 请注意，在 C# 正则表达式中，整个字符串始终在单个匹配项中匹配。这是设计使然，它不会伤害任何东西，也不会减慢它的速度。所有组 1 捕获都记录在一个列表中。这就像类固醇上的 findall() 类型函数。

对不起，如果我不清楚。在您的输出中，我错过了前导和尾随双引号。所以我的解决方案是删除第二个非捕获组?:，使正则表达式变为(?:'[^']*'|("(([^"]*´")*[^"]*|[^"]*)")|[\S\s])+（将原来的反引号替换为前引号，因为反引号用于cmets中的代码标记）。现在您的 c# 代码的输出包含双引号。由于我没有使用我的生产代码对其进行测试，其中一个为来自第三方的 c# 匹配代码提供一个正则表达式对象，我不知道其中一个正则表达式是否有效。

@TobiasWollgam - 我明白了。当然，如果您想查看引号，您也可以在引号周围使用捕获组。事实上，所有组都维护一个单独的捕获集合（列表），您可以在匹配后迭代。示例：CaptureCollection cc1 = M.Groups[1].Captures; CaptureCollection cc2 = M.Groups[2].Captures; CaptureCollection cc3 = M.Groups[3].Captures; 等...

【参考方案2】：

答案看起来很复杂，这是怎么回事：

^"(\d+|\D+)"$

是不是太简单了？

这里的想法是检查字符串是否以双引号 (") 开头和结尾，双引号内的任何内容（包括单引号）都是允许的。

【讨论】：

请详细说明

欢迎来到 Stack Overflow！您是否根据提供的示例检查了您的解决方案？