使用Java RegEx解析BibTeX记录

Question

我必须使用Java正则表达式编写简单的BibTeX解析器。任务有点简化：每个标记值都位于引号""之间，而不是括号{}之间。问题是，{}可以位于""内。

我正在尝试从整个String文件中剪切单个记录。 G。我想将@book{...}作为String。问题是最后一个标记后不能有逗号，因此它可以像author = "john"}那样结束。

我尝试过@\w*\{[\s\S]*?\}，但是如果我在}之间的任何标签值中有""，它就会停止。也不保证}将位于单独的行中，它可以直接位于最后一个标记值之后（由于它可以是整数，因此也不能以"结尾）。

您能帮我吗？

Answer 1

我发现了一个hack，它可能会帮助遇到相同问题的人：}符号后必须有换行符。如果值的结尾仅是“（}符号没有任何值），则正则表达式末尾的[\ r \ n]就足够了。

Answer 2

您可以尝试以下表达式作为基础：@\w+\{(?>\s*\w+\s*=\s*"[^"]*")*\}

感叹：

• @\w+\{...\}将成为记录，例如@book{...}
• (?>...)*表示可以多次出现或完全不出现的非捕获组-这是为了表示标签
• \s*\w+\s*=\s*"[^"]*"表示标记，其后可以带有空格（\s*）。标签的值必须用双引号引起来，并且双引号之间的所有内容都将被使用，甚至包括花括号。

请注意，可能还有更多情况需要考虑，但这应该能够处理标记值中的花括号，因为它将“使用”双引号之间的所有内容，因此，如果关闭大括号则不会匹配大括号丢失了（例如，它将匹配@book{ title="the use of { and }" author="John {curly} Johnson"}但不匹配@book{ title="the use of { and }" author="John {curly} Johnson"）。