Question

我正在实现某种解析器，我需要找到并反序列化嵌入到其他半结构化数据中的json对象。我使用了regexp：

\\{\\s*title.*?\\}

找到对象

{title:'Title'}

但它不适用于嵌套对象，因为表达式仅匹配第一个找到的右括号。对于

{title:'Title',{data:'Data'}}

匹配

{title:'Title',{data:'Data'}

因此字符串对于反序列化变得无效。我知道有一个贪婪的业务，但我不熟悉正则表达式。你可以帮我扩展表达式以消耗所有可用的结束花括号。

更新

要明确的是，这是尝试从带有嵌入式JSON的HTML + JS等半结构化数据中提取JSON数据。我正在使用GSon JAVA lib来实际解析提取的JSON。

Answer 1

正如其他人所建议的那样，一个成熟的JSON解析器可能就是这样。如果要匹配上面的简单示例中的键值对，可以使用：

(?<=\{)\s*[^{]*?(?=[\},])

输入字符串

{title:'Title',  {data:'Data', {foo: 'Bar'}}}

匹配：

 1. title:'Title'
 2. data:'Data'
 3. foo: 'Bar'

Answer 2

感谢@Sanjay T. Sharma指出我“支持匹配”，因为我最终对贪婪的表达有了一些了解，也感谢其他人最初说我不该做的事情。幸运的是，结果表明使用贪婪的表达变体

是可以的

\\{\s*title.*\\}

因为右括号之间没有非JSON数据。

Answer 3

此递归Perl / PCRE正则表达式应该能够匹配任何有效的JSON或JSON5对象，包括嵌套对象和边缘情况，例如JSON字符串或JSON5注释中的花括号：

/(\{(?:(?>[^{}"'\/]+)|(?>"(?:(?>[^\\"]+)|\\.)*")|(?>'(?:(?>[^\\']+)|\\.)*')|(?>\/\/.*\n)|(?>\/\*.*?\*\/)|(?-1))*\})/

当然，这有点难以理解，因此您可能更喜欢带注释的版本：

m{
  (                               # Begin capture group (matching a JSON object).
    \{                              # Match opening brace for JSON object.
    (?:                             # Begin non-capturing group to contain alternations.
      (?>[^{}"'\/]+)                  # Match a non-empty string which contains no braces, quotes or slashes, without backtracking.
    |                               # Alternation; next alternative follows.
      (?>"(?:(?>[^\\"]+)|\\.)*")      # Match a double-quoted JSON string, without backtracking.
    |                               # Alternation; next alternative follows.
      (?>'(?:(?>[^\\']+)|\\.)*')      # Match a single-quoted JSON5 string, without backtracking.
    |                               # Alternation; next alternative follows.
      (?>\/\/.*\n)                    # Match a single-line JSON5 comment, without backtracking.
    |                               # Alternation; next alternative follows.
      (?>\/\*.*?\*\/)                 # Match a multi-line JSON5 comment, without backtracking.
    |                               # Alternation; next alternative follows.
      (?-1)                           # Recurse to most recent capture group, to match a nested JSON object.
    )*                              # End of non-capturing group; match zero or more repetitions of this group.
    \}                              # Match closing brace for JSON object.
  )                               # End of capture group (matching a JSON object).
}x

Answer 4

这绝对是可怕的，我无法相信我实际上是在为这个解决方案添加我的名字，但是你找不到Javascript块中的第一个{字符并尝试解析剩余的字符通过适当的JSON解析库？如果它有效，你就得到了一个匹配。如果没有，请继续阅读直至下一个{字符并重新开始。

那里有一些问题，但它们可能可以解决：

您需要能够识别Javascript块。大多数语言都有HTML到DOM库（我是Java的Cyberneko的忠实粉丝），这使得我们可以轻松地关注<script>...</script>块。
您的JSON解析库需要在发现错误时立即停止使用流中的字符，并且当它发生时它不需要关闭流。

一旦找到第一个{，就会有一个改进，就是找一个匹配的}（一个简单的计数器，只要你找到{并且递减就会增加当你发现}应该做的伎俩）。尝试将生成的字符串解析为JSON。迭代直到它工作或你已经用完了可能的块。

这是丑陋的，hackish，永远不应该成为生产代码。我得到的印象是，你只需要批量工作，这就是为什么我甚至建议它。

正则表达式匹配嵌套的json对象

4 个答案: