Question

我想构建一个简单的正则表达式，涵盖引用的字符串，包括其中的任何转义引号。例如，

"This is valid"
"This is \" also \" valid"

显然，像是

"([^"]*)"

不起作用，因为它匹配第一个转义引号。

什么是正确的版本？

我认为其他转义字符的答案是相同的（只需替换相应的字符）。

顺便说一句，我知道“全能”正则表达式

"(.*?)"

但我尽量避免使用它，因为毫不奇怪，它比一个更具体的运行速度慢一些。

Answer 1

这是我过去使用的一个：

("[^"\\]*(?:\\.[^"\\]*)*")

这将捕获带引号的字符串以及任何转义的引号字符，并排除任何未出现在引号中的内容。

例如，该模式将从此字符串中捕获"This is valid"和"This is \" also \" valid"：

"This is valid" this won't be captured "This is \" also \" valid"

此模式不匹配字符串"I don't \"have\" a closing quote，并允许字符串中的其他转义码（例如，它将匹配"hello world!\n"）。

当然，您必须转义模式才能在代码中使用它，如下所示：

"(\"[^\"\\\\]*(?:\\\\.[^\"\\\\]*)*\")"

Answer 2

试试这个...它更喜欢\"，如果匹配，它会选择它，否则会选择"。

"((?:\\"|[^"])*)"

匹配字符串后，您需要获取第一个捕获组的值，并将\"替换为"。

编辑：修正了分组逻辑。

Answer 3

所有其他答案的问题是它们只与最初的明显测试匹配，但没有进行进一步的审查。例如，所有答案都希望第一个引用不会被转义。但最重要的是，转义是一个比单个反斜杠更复杂的过程，因为反斜杠本身可以被转义。想象一下，尝试实际匹配以反斜杠结尾的字符串。怎么可能？

这将是您正在寻找的模式。它并不假设第一个引用是工作引用，它将允许转义反斜杠。

(?<!\\)(?:\\{2})*"(?:(?<!\\)(?:\\{2})*\\"|[^"])+(?<!\\)(?:\\{2})*"

Answer 4

请在下面的代码中找到包含字符串，数字和十进制的表达式评估的代码。

public static void commaSeparatedStrings() {        
    String value = "'It\\'s my world', 'Hello World', 'What\\'s up', 'It\\'s just what I expected.'";

    if (value.matches("'([^\'\\\\]*(?:\\\\.[^\'\\\\])*)[\\w\\s,\\.]+'(((,)|(,\\s))'([^\'\\\\]*(?:\\\\.[^\'\\\\])*)[\\w\\s,\\.]+')*")) {
        System.out.println("Valid...");
    } else {
        System.out.println("Invalid...");
    }
}

/**
 * 
 */
public static void commaSeparatedDecimals() {
    String value = "-111.00, 22111.00, -1.00";
    // "\\d+([,]|[,\\s]\\d+)*"
    if (value.matches(
            "^([-]?)\\d+\\.\\d{1,10}?(((,)|(,\\s))([-]?)\\d+\\.\\d{1,10}?)*")) {
        System.out.println("Valid...");
    } else {
        System.out.println("Invalid...");
    }
}

/**
 * 
 */
public static void commaSeparatedNumbers() {
    String value = "-11, 22, -31";      
    if (value.matches("^([-]?)\\d+(((,)|(,\\s))([-]?)\\d+)*")) {
        System.out.println("Valid...");
    } else {
        System.out.println("Invalid...");
    }
}

Answer 5

此

("((?:[^"\\])*(?:\\\")*(?:\\\\)*)*")

将捕获所有字符串（在双引号内），包括\＆＃34;和\\转义序列。（请注意，此答案假定字符串中仅转义序列是\＆＃34;或\\序列 - 不会捕获其他反斜杠字符或转义序列。）

("(?:         # begin with a quote and capture...
  (?:[^"\\])* # any non-\, non-" characters
  (?:\\\")*   # any combined \" sequences
  (?:\\\\)*   # and any combined \\ sequences
  )*          # any number of times
")            # then, close the string with a quote

<强> Try it out here!

另请注意，maksymiuk's accepted answer包含＆＃34;边缘情况＆＃34; （＆＃34;想象一下，尝试实际匹配以反斜杠结尾的字符串＆＃34;），这实际上只是一个格式错误的字符串。像

这样的东西

"this\"

...不是以反斜杠＆＃34;结尾的＆＃34;字符串，而是以转义的引号结尾的未闭合字符串。真正以反斜杠结尾的字符串看起来像

"this\\"

...以上解决方案处理了这种情况。

如果你想扩大一点，这......

(\\(?:b|t|n|f|r|\"|\\)|\\(?:(?:[0-2][0-9]{1,2}|3[0-6][0-9]|37[0-7]|[0-9]{1,2}))|\\(?:u(?:[0-9a-fA-F]{4})))

...捕获所有常见的转义序列（包括转义引号）：

(\\                       # get the preceding slash (for each section)
  (?:b|t|n|f|r|\"|\\)     # capture common sequences like \n and \t

  |\\                     # OR (get the preceding slash and)...
  # capture variable-width octal escape sequences like \02, \13, or \377
  (?:(?:[0-2][0-9]{1,2}|3[0-6][0-9]|37[0-7]|[0-9]{1,2}))

  |\\                     # OR (get the preceding slash and)...
  (?:u(?:[0-9a-fA-F]{4})) # capture fixed-width Unicode sequences like \u0242 or \uFFAD
)

有关第二点的更多信息，请参阅this Gist。

Answer 6

对我有用，比当前答案更简单

(?<!\\+)"(\\"|[^"])*(?<!\\+)"

(?<!\\+)-在"之前必须不是\，并且该表达式是左右。

(\\"|[^"])*-引号内：可转义的引号\\"或引号[^"]以外的任何内容

当前的正则表达式对于以下字符串正常工作：

234-false或null

"234"-true或["234"]

""-true或[""]

"234 + 321 \\"24\\""-true或["234 + 321 \\"24\\""]

"234 + 321 \\"24\\"" + 123 + "\\"test(\\"235\\")\\""-true

或["234 + 321 \\"24\\"", "\\"test(\\"235\\")\\""]

"234 + 321 \\"24\\"" + 123 + "\\"test(\\"235\\")\\"\\"-true

或["234 + 321 \\"24\\""]

用于匹配转义字符的正则表达式（引号）

6 个答案: