Question

我有一个包含许多JSON的长字符串，它看起来像：

{"a":"b"}{"c":"d"}{"e":"f"}...

我准备了regex表达式来从这种字符串中检索所有JSON：

\{(?:[^{}]|(?R))*\}

它工作得很好，但它有一个问题。如果在需要检索如下字符串时失败：

{"a":"b"}{"c":"d"}{"e":"f}"}...

它假定，＆＃34;}＆＃34; ＆＃34; f＆＃34;之后的标志字母结束了第三个JSON，但当然不是。你有没有人知道如何解决这个问题？

代码示例： https://regex101.com/r/L9UUzj/1

谢谢！

Answer 1

[^{}]不会考虑引号之间的部分，而是可以将其替换为：[^"{}]|"[^"]*"

您可以使用此模式执行此操作：

{[^"{}]*+(?:"[^"]*+"[^"{}]*+|(?R)[^"{}]*+)*+}

demo

此外，如果您想在引用的部分内处理转义引号（带反斜杠）：

{[^"{}]*+(?:"[^"\\]*+(?s:\\.[^"\\]*)*+"[^"{}]*+|(?R)[^"{}]*+)*+}

demo

这两种模式使用更高效的展开设计。简而言之，您不必编写(A|B)*，而是编写需要较少步骤的A*(BA*)*。

当大括号在字符串中的位置不平衡时，占有量词*+可以防止大量回溯。这样，模式在这个位置会很快失败。

显然，这两种模式并没有完全描述json语法。可以使用命名组和(?(DEFINE)...)功能来做到这一点，这远非不可能（*）。但是你也可以使用第二种模式来提取json子串，然后用你选择的json解析器检查它们。

（*）这样的事情：

~
\g<object>

(?(DEFINE)
    (?<string> " [^"\\]*+ (?s: \\. [^"\\]*+ )*+ " )
    (?<table> \[ (?: \s* \g<value> (?: \s* , \s* \g<value> )*+ )? \s* ] )
    (?<object> { 
        (?: \s* \g<key> \s* : \s* \g<value> 
            (?: \s* , \s* \g<key> \s* : \s* \g<value> )*+ 
        )? \s* }
    )
    (?<boolean> [Tt]rue | [Ff]alse )
    (?<number> (?: [0-9]+ (?: \. [0-9]* )? | \.[0-9]+ )
               (?: [Ee] -? [0-9]+ )? )

    (?<key> \g<string> (?<= [^"]" | \\"" ) )
    (?<value> \g<table> | \g<object> | \g<string>
            | \g<number> | \g<boolean> | null )
)
~x

Regex表达式从长字符串中检索所有JSON

1 个答案: