Question

我正在尝试创建一个.NET Regex，它将匹配VB.NET源代码中的引用字符串，但不包括某些不需要的字符串，例如XML注释和区域标签中的字符串等。

这是一个数据样本，代表Regex可能执行的一些VB.NET源代码：

#Region "Class Constructors"

''' <summary>
''' Initializes a new instance of the <see cref="MyClass" /> class.
''' </summary>
Public Sub New()
    Debug.WriteLine("This string should be matched by the Regex")
End Sub

#End Region

正则表达式应匹配Debug.WriteLine方法调用中的引用字符串，但应忽略区域标签和XML注释中的字符串。它还应支持VB.NET的引用转义语法，该语法使用两个连续的双引号来表示嵌入（转义）引号字符：

"This is a string containing an escaped quote "" character"

作为一个起点，我已尝试使用以下正则表达式，但负面的后观使其与后续的结束引号相匹配，就好像它们是打开引号一样。

(?<!Region\s+)"(?<Literal>(?:[^"]|"")*)"

作为一个额外的技巧，如果正则表达式可以完全忽略由一对引号字符表示的空字符串，将会有所帮助。

有什么建议吗？

提前致谢，蒂姆

Answer 1

我认为这是单个正则表达式无法解决所有问题的情况之一。我假设#Region指令可以是多行的，如：

#Region \
  "MyRegion"

或者可能还有其他一些换行符，所以你的后视是不够的。有选择地从具有复杂语法的文本中提取匹配需要词法分析器，或者您应该以不同方式解析整个事物。但是，您可以找到一个快捷方式，例如，您知道标签之间不需要任何内容＆lt; summary＆gt;和＆lt; / summary＆gt;，所以你可以循环遍历每一行并跳过过去的所有内容＆lt; summary＆gt;直到找到结束标记，然后您可以恢复字符串的匹配。您应该特别注意编写正则表达式来删除注释和预处理程序指令（即：'，＃和REM）。请注意，这些关键字在不在字符串中时都是有效的，因此有点涉及剥离注释。即使在那里，一个正则表达式可能还不够。对于删除双引号，这似乎对我有用：

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

正则表达式匹配带有负向lookbehind的引用字符串（.NET）

1 个答案: