Question

正如标题中所述，是否有一种方法，使用正则表达式来匹配出现在引号之外的文本的文本模式。理想情况下，给出以下示例，我希望能够匹配引号之外的逗号，但不能匹配引号中的逗号。

这是一些文字，后跟“文字，引号！”

或

这是一些文字，后跟“带引号的文字”，带有更多“文字，引号！”

此外，如果表达式遵循嵌套引号会很好，如下例所示。但是，如果这在技术上不适用于正则表达式，那么很容易知道是否是这种情况。

程序员从他的办公桌上抬起头，“这不可能很好，”他大声说道，“系统正在说'找不到文件！'”

我找到了一些用于匹配引号中某些内容的表达式，但对引号之外的内容没什么用。

Answer 1

最简单的是匹配逗号和引用的字符串，然后过滤掉引用的字符串。

/"[^"]*"|,/g

如果你真的不能匹配引号，你可以这样做：

/,(?=[^"]*(?:"[^"]*"[^"]*)*\Z)/g

这可能会变慢，因为对于每个逗号，它必须查看剩余的字符并计算引号的数量。 \Z匹配字符串的结尾。与$类似，但永远不会匹配行结束。

如果您不介意额外的捕获组，可以这样做：

/\G((?:[^"]*"[^"]*")*?[^"]*?)(,)/g

这只会扫描一次字符串。它从字符串的开头开始计算引号。 \G将匹配上次匹配结束的位置。

最后一个模式可能需要一个例子。

Input String: 'This is, some text, followed by "text, in quotes!" and more ,-as'
Matches:
1. ['This is', ',']
2. [' some text', ',']
3. [' and followed by "text, in quotes!" and more ', ',']

它匹配前导到逗号的字符串以及逗号。

Answer 2

这可以通过现代正则表达式完成，因为存在大量的正则表达式引擎，但让我成为发布“不要使用正则表达式”答案的人。

这是不正则表达式的作业。这是一个完整的解析器的工作。作为一些你不能用（经典）正则表达式做的事情的例子，请考虑这个：

()(())(()())

没有（经典）正则表达式可以确定这些括号是否匹配正确，但没有正则表达式这样做是微不足道的：

/* C code */

char string[] = "()(())(()())";
int parens = 0;
for(char *tmp = string; tmp; tmp++)
{
  if(*tmp == '(') parens++;
  if(*tmp == ')') parens--;
}
if(parens > 0)
{
  printf("%s too many open parenthesis.\n", parens);
}
else if(parens < 0)
{
  printf("%s too many closing parenthesis.\n", -parens);
}
else
{
  printf("Parenthesis match!\n");
}

# Perl code

my $string = "()(())(()())";
my $parens = 0;
for(split(//, $string)) {
  $parens++ if $_ eq "(";
  $parens-- if $_ eq ")";
}
die "Too many open parenthesis.\n" if $parens > 0;
die "Too many closing parenthesis.\n" if $parens < 0;
print "Parenthesis match!";

看一下编写一些非正则代码来为你完成这项工作有多简单？

编辑：好的，从看到探险世界回来了。 :)尝试这个（用Perl编写，评论是为了帮助你理解我在做什么，如果你不知道Perl）：

# split $string into a list, split on the double quote character
my @temp = split(/"/, $string);

# iterate through a list of the number of elements in our list
for(0 .. $#temp) {

  # skip odd-numbered elements - only process $list[0], $list[2], etc.
  # the reason is that, if we split on "s, every other element is a string
  next if $_ & 1;

  if($temp[$_] =~ /regex/) {
    # do stuff
  }

}

另一种方法：

my $bool = 0;
my $str;
my $match;

# loop through the characters of a string
for(split(//, $string)) {

  if($_ eq '"') {
    $bool = !$bool;
    if($bool) {

      # regex time!
      $match += $str =~ /regex/;

      $str = "";
    }
  }

  if(!$bool) {

    # add the current character to our test string
    $str .= $_;
  }
}

# get trailing string match
$match += $str =~ /regex/;

（我给出了两个，因为在另一种语言中，一种解决方案可能比另一种解决方案更容易实现，而不仅仅是因为有多种方法可以做到这一点。）

当然，随着你的问题越来越复杂，构建一个完整的解析器会产生某些好处，但这是一个不同的马。现在，这就足够了。

Answer 3

如前所述regexp cannot match any nested pattern，因为它不是Context-free language。

因此，如果你有任何嵌套引号，你就不会用正则表达式解决这个问题（除了。{regex引擎的“balancing group”功能之外 - 正如Daniel L在评论中所提到的那样 - 但我在这里没有假设正则表达式的风格）

除非您添加进一步的规范，否则必须转义报价中的报价。

在这种情况下，以下内容：

text before string "string with \escape quote \" still
within quote" text outside quote "within quote \" still inside" outside "
inside" final outside text

将成功匹配：

(?ms)((?:\\(?=")|[^"])+)(?:"((?:[^"]|(?<=\\)")+)(?<!\\)")?

group1：引用文字前面的文字
group2：双引号内的文字，即使其中包含\"。

Answer 4

这是一个获得匹配的表达式，但它并不完美，因为它获得的第一个匹配是整个字符串，删除最后的“。

[^"].*(,).*[^"]

我一直在使用我的Free RegEx tester来查看哪些有用。

测试结果

Group Match Collection # 1
Match # 1
Value: This is some text, followed by "text, in quotes!
Captures: 1

Match # 2
Value: ,
Captures: 1

Answer 5

你最好自己构建一个简单的解析器（伪代码）：

quoted := False
FOR char IN string DO
    IF char = '"'
        quoted := !quoted
    ELSE
        IF char = "," AND !quoted
            // not quoted comma found
        ENDIF
    ENDIF
ENDFOR

Answer 6

这实际上取决于您是否允许嵌套引号。

理论上，使用嵌套引号你不能这样做（常规语言不能计算）

在实践中，您可以管理是否可以约束深度。随着您增加复杂性，它将变得越来越难看。这通常是人们如何通过正则表达式（试图匹配一般不常规的东西）来解决悲伤的方式。

请注意，某些“正则表达式”库/语言添加了非常规功能。

如果这种事情变得足够复杂，你真的必须为它编写/生成一个解析器。

Answer 7

您的描述中需要更多内容。你想要任何可能的引用字符串和非引用的字符串吗...

Lorem ipsum“dolor sit”amet，“consectetur adipiscing”elit。

......或者只是你要求的模式？我认为这非常接近......

(?<outside>.*?)(?<inside>(?=\"))

然而它确实抓住了“。”

Answer 8

也许你可以分两步完成？首先，您替换引用的文本：

("[^"]*")

然后从剩余的字符串

中提取您想要的内容

Answer 9

,(?=(?:[^"]*"[^"]*")*[^"]*\z)

正则表达式可能无法计算，但它们可以确定是否存在奇数或偶数。在找到一个逗号之后，前瞻断言，如果前面有任何引号，则会有偶数个引号，这意味着逗号在一组引号中不。

如果需要，可以调整这个来处理转义引号，尽管最初的问题没有提到。此外，如果你的正则表达式支持它们，我会添加原子组或占有量词来控制回溯。

有没有办法，使用正则表达式来匹配引号之外的文本模式？

9 个答案: