Question

所以，我需要在c＃regex中做什么，每当我找到某个模式时，基本上会拆分一个字符串，但如果它被字符串中的双引号包围，则忽略该模式。

示例：

string text = "abc , def , a\" , \"d , oioi";
string pattern = "[ \t]*,[ \t]*";

string[] result = Regex.Split(text, pattern, RegexOptions.ECMAScript);

分割后想要结果（3个分割，4个字符串）：

    {"abc",
     "def",
     "a\" , \"d",
     "oioi"}

实际结果（4个分组，5个字符串）：

    {"abc",
     "def",
     "a\"",
     "\"d",
     "oioi"}

另一个例子：

string text = "a%2% 6y % \"ad%t6%&\" %(7y) %";
string pattern = "%";

string[] result = Regex.Split(text, pattern, RegexOptions.ECMAScript);

分割后想要结果（5个分割，6个字符串）：

    {"a",
     "2",
     " 6y ",
     " \"ad%t6%&\" ",
     "(7y) ",
     ""}

实际结果（7个分组，8个字符串）：

    {"a",
     "2",
     " 6y ",
     "\"ad",
     "t6",
     "&\" ",
     "(7y) ",
     ""}

第三个例子，举例说明一个棘手的分裂，其中只应忽略第一种情况：

string text = "!!\"!!\"!!\"";
string pattern = "!!";

string[] result = Regex.Split(text, pattern, RegexOptions.ECMAScript);

分割后想要结果（2个分割，3个字符串）：

    {"",
     "\"!!\"",
     "\""}

实际结果（3个分组，4个字符串）：

    {"",
     "\"",
     "\"",
     "\"",}

那么，如何从模式转移到实现所需结果的新模式？

旁注：如果你要将某人的问题标记为重复（并且我没有反对），至少指出正确的答案，而不是一些随机的帖子（是的，我在看着你，Mr .Avinash Raj）......

Answer 1

除了：

之外，规则或多或少类似于csv行

分隔符可以是单个字符，但它也可以是字符串或模式（在这些最后的情况下，如果项目以模式分隔符的最后或第一个可能的标记开始或结束，则必须修剪项目），
最后一项允许使用孤儿引用。

首先，当您想要使用一些高级规则来分隔项目（拆分）时，拆分方法不再是一个好的选择。拆分方法仅适用于简单情况，而不适用于您的情况。 （即使没有孤立引号，使用与,(?=(?:[^"]*"[^"]*")*[^"]*$)分割也是一个非常糟糕的主意，因为解析字符串所需的步骤数会随着字符串大小呈指数级增长。）

另一种方法是捕获物品。这更简单，更快捷。（奖励：它同时检查整个字符串的格式。）

以下是执行此操作的一般方法：

^
(?>
  (?:delimiter | start_of_the_string)
  (
      simple_part
      (?>
          (?: quotes | delim_first_letter_1 | delim_first_letter_2 | etc. )
          simple_part
      )*
  )
)+
$

以\s*,\s*作为分隔符的示例：

^
# non-capturing group for one delimiter and one item
(?>
    (?: \s*,\s* | ^ ) # delimiter or start of the string
                      # (eventually change "^" to "^ \s*" to trim the first item)

    # capture group 1 for the item 
    (   # simple part of the item (maybe empty):
        [^\s,"]* # all that is not the quote character or one of the  possible first
                 # character of the delimiter
        # edge case followed by a simple part
        (?>
            (?: # edge cases
                " [^"]* (?:"|$) # a quoted part or an orphan quote in the last item (*)
              |   # OR
                (?> \s+ ) # start of the delimiter
                (?!,)     # but not the delimiter
            )

            [^\s,"]* # simple part
        )*
    )
)+
$

demo （点击表格链接）

该模式是为Regex.Match方法设计的，因为它描述了所有字符串。所有项目都在组1中可用，因为.net正则表达式风格能够存储重复的捕获组。

这个例子很容易适应所有情况。

（*）如果您想在引用的部分中允许转义引号，则可以再使用一次simple_part (?: edge_case simple_part)* 而不是" [^"]* (?:"|$)，即：{ {1}}

Answer 2

我认为这是一个两步的过程，它已经被推翻，试图让它成为一步正则表达式。

<强>步骤

只需从字符串中删除任何引号。
拆分目标角色。

流程示例

我会在,上拆分第2步。

var data = string.Format("abc , def , a{0}, {0}d , oioi", "\"");

 // `\x22` is hex for a quote (") which for easier reading in C# editing.
var stage1 = Regex.Replace(data, @"\x22", string.Empty);

// abc , def , a", "d , oioi
// becomes
// abc , def , a, d , oioi

Regex.Matches(stage1, @"([^\s,]+)[\s,]*")
     .OfType<Match>()
     .Select(mt => mt.Groups[1].Value )

<强>结果

捕捉模式，但在引号内忽略它

2 个答案: