如何使用正则表达式匹配从A到B的任何内容，其中B不在C之前

Question

我很难用这个。首先，这是我匹配的字符串的难点部分：

"a \"b\" c"

我想从中提取的内容如下：

a \"b\" c

当然，这只是一个来自较大字符串的子字符串，但其他一切都按预期工作。问题是使正则表达式忽略使用反斜杠转义的引号。

我已经研究了各种方法，但没有任何方法能让我得到正确的结果。我最近的尝试看起来像这样：

"((\"|[^"])+?)"

在各种在线测试中，它的工作方式应该是这样 - 但是当我构建我的ASP.NET页面时，它会在第一次切断时“，只留下一个字母，空格和反斜杠。

上述模式背后的逻辑是捕获所有“非”或“非”的实例。我希望这会搜索\“，确保首先找到它们 - 但我感觉这被表达式的第二部分覆盖，只有1个单字符。单个反斜杠不匹配2个字符（ \“），但它将匹配为非”。从那里，下一个字符将是一个“，匹配完成。 （这只是我假设我的模式失败的假设。）

关于这个的任何指针？我在正则表达式中尝试过使用“look”方法的各种组合，但我并没有真正得到任何结果。我也觉得这就是我需要的。

Answer 1

原始答案

要匹配a \"b\" c之类的字符串，您需要使用以下正则表达式声明：

(?:\\"|[^"])+
var rx = Regex(@"(?:\\""|[^""])+");

请参阅RegexStorm demo

这是IDEONE demo：

var str = "a \\\"b\\\" c";
Console.WriteLine(str);
var rx = new Regex(@"(?:\\""|[^""])+");
Console.WriteLine(rx.Match(str).Value);

请注意字符串文字前面的@，它允许我们使用 verbatim 字符串文字，我们必须使用双引号来匹配文字引号并使用单个转义斜杠而不是double。这使得正则表达式更易于阅读和维护。

如果要匹配输入字符串中的任何转义实体，可以使用：

var rx = new Regex(@"[^""\\]*(?:\\.[^""\\]*)*");

See demo on RegexStorm

更新

要匹配引用的字符串，只需在模式周围添加引号：

var rx = new Regex(@"""(?<res>[^""\\]*(?:\\.[^""\\]*)*)""");

这种模式比Tim Long建议的正则表达式产生更好的性能，请参阅RegexHero测试结果：

Answer 2

以下表达式对我有用：

"(?<Result>(\\"|.)*)"

表达式匹配如下：

• 开场引文（文字"）
• 命名捕获(?<name>pattern)，包括：
  • 文字*或（\"）任何单个字符（|）
  零次或多次出现.
• 最终结束语（文字"）

请注意，*（零或更多）量词是非贪心的，因此最终引用与文字"匹配，而不是＆＃34;任何单个字符＆＃34; .部分。

我使用ReSharper 9内置的正则表达式验证器来开发表达式并验证结果：

我使用了＆＃34; Explicit Capture＆＃34;减少输出中的残差的选项（RegexOptions.ExplicitCapture）。

需要注意的一点是，我匹配整个字符串，但我只是捕获子字符串，使用名为capture 的。使用命名捕获是获得所需结果的非常有用的方法。在代码中，它可能看起来像这样：

    static string MatchQuotedString(string input)
        {
        const string pattern = @"""(?<Result>(\\""|.)*)""";
        const RegexOptions options = RegexOptions.ExplicitCapture;
        Regex regex = new Regex(pattern, options);
        var matches = regex.Match(input);
        var substring = matches.Groups["Result"].Value;
        return substring;
        }

优化：如果您计划大量使用正则表达式，可以将其分解为字段并使用RegexOptions.Compiled选项，这会预先编译表达式并以更长的代价为您提供更快的吞吐量初始化。