Question

假设需要由正则表达式捕获的部分由以下字符串中的PORTION指示

,"PORTION","","a",["some_string"]

PORTION的例子是

\“ABC123
abc123 \“
\ “ABC123 \”
ABC \ “123 \”
ABC123

所以字符串实际上看起来像

，“\”abc123“，”“，”a“，[”some_string“]
，“abc123 \”“，”“，”a“，[”some_string“]
“\”abc123 \“”，“”，“a”，[“some_string”]
“abc \”123 \“”，“”，“a”，[“some_string”]
“abc123”，“”，“a”，[“some_string”]

PORTION被双引号括起来。 PORTION中的双引号由反斜杠转义。我目前的模式是

my $pattern = '(.?([\\"]|[^"][^,][^"])*)';

产生上述例子的结果如下

\ “ABC123”， “”， “一个”
ABC123
\“ABC12
ABC \ “123 \”“
ABC123"

模式尝试匹配不是“，”的序列前面的所有内容并且还允许捕获\“ 但它没有按预期工作。我怎样才能使它发挥作用？

Answer 1

你太复杂了;没有规则说你必须在一个单片正则表达式中进行所有解析。由于您的字符串看起来像逗号分隔的序列，因此首先将其解析为：

my @fields = split /(?<!\\),/, $string;   # use comma as a delimiter (except when escaped)

...然后相应地解析你的第一个字段：

shift @fields unless $fields[0];     # pull off the potentially null first field
$fields[0] =~ s/^"//g;               # remove the leading "
$fields[0] =~ s/(?<!\\)"$//g;        # remove the trailing " that isn't preceded by a \

您可以通过将上述代码包装在for循环或map（）中来解析所有字段。

请注意，此代码不会考虑\\,这样的事件（逗号在此处是有效的分隔符，即使它将错误地通过正则表达式）。因此，最好为您的格式使用适当的解析器（无论它是什么）。您可能需要查看Text::CSV。

Answer 2

只需使用Text::CSV

即可

Answer 3

您的问题需要臭名昭着的零宽度负面后卫断言

...可让您匹配不关注foo的{{1}}。

文档在这里：http://perldoc.perl.org/perlre.html#Extended-Patterns

你想在你的正则表达式中使用这样的东西：

bar

匹配双引号，尽可能少的任何字符，然后另一个双引号前面没有反斜杠（我认为通过加倍逃脱）。第一组parens按照你的意图捕获，第二个括号没有捕获。

修改：同时使用http://www.internetofficer.com/seo-tool/regex-tester/进行测试它似乎工作正常。

编辑：正如outis指出的那样，此表达式将无法正确匹配一个PORTION，其中结束引号之前的最后一个字符是转义反斜杠。如果您没有预料到文本中的反斜杠，那么您应该没问题。

Answer 4

不要忘记允许转义的反斜杠和转义引号。使用RE匹配平衡的任何东西都会变得很难看：

/(?<=")((?:[^"\\]+|\\+[^"\\]|(?:\\\\)+|(?<!\\)\\(?:\\\\)*")*)(?=")/

像以太一样，帮自己一个忙，并使用解析器。

Answer 5

如果您的数据以逗号分隔并且没有嵌入的逗号，只需拆分“，”并获取相应的字段

while(<>){
    chomp;
    @s = split /,/;
    if ($s[0] eq ""){
        print "$s[1]\n";
    }else{
        print $s[0]."\n";
    }
}

输出

$ perl perl.pl file
"\"abc123"
"abc123\" "
"\"abc123\""
"abc\"123\""
"abc123"

Answer 6

如果你需要考虑outis提到的转义反斜杠，你可以使用：

m/"((\\\\|\\"|[^"])+)"/

（似乎我不能对outis的答案发表评论，但outis解决方案不适用于此：

"abc\\\"123"

将产生

abc\\\

）

输入：

,"\"abc123","","a",["some_string"]
,"abc123\" ","","a",["some_string"]
"\"abc123\"","","a",["some_string"]
"abc\"123\"","","a",["some_string"]
"abc123","","a",["some_string"]
"ab\\c123","","a",["some_string"]
"abc123\\","","a",["some_string"]
"abc123\\\"","","a",["some_string"]
"abc\\\"123\"","","a",["some_string"]
"abc123\\\\\"","","a",["some_string"]

输出：

\"abc123
abc123\" 
\"abc123\"
abc\"123\"
abc123
ab\\c123
abc123\\
abc123\\\"
abc\\\"123\"
abc123\\\\\"

我如何捕获逃脱的“但不是未转义的”？

6 个答案: