在C＃中使用正则expression式查找带引号的引号string
我试图在一行中find所有引用的文本。
例：
"Some Text" "Some more Text" "Even more text about \"this text\"" 我需要得到：
-
"Some Text" -
"Some more Text" -
"Even more text about \"this text\""
\"[^\"\r]*\"除了最后一个外，还给我提供了一切，因为引号已经被删除了。
我已经阅读了\"[^\"\\]*(?:\\.[^\"\\]*)*\" working，但在运行时出现错误：
parsing ""[^"\]*(?:\.[^"\]*)*"" - Unterminated [] set.
我该如何解决？
你在那里有一个Friedl的“展开循环”技术的例子，但是你似乎对如何把它表示成一个string文字有些困惑。 以下是它应该看到的正则expression式编译器：
"[^"\\]*(?:\\.[^"\\]*)*"
最初的"[^"\\]*匹配一个引号，后跟零或多个除引号或反斜杠之外的任何字符。 单独的部分，以及最后的" ，将匹配没有embedded转义序列的简单引用的string，如"this"或"" 。
如果确实遇到反斜杠\\. 消耗反斜杠及其后的任何内容， [^"\\]* （再次）消耗一切，直到下一个反斜杠或引号为止。该部分会根据需要重复多次，直到出现非引号引号string的结尾和匹配尝试失败）。
请注意，这将匹配"foo\"-在\"foo\"-"bar" 。 这看起来似乎揭示了正则expression式中的一个缺陷，但事实并非如此。 这是无效的input 。 目标是匹配引用的string，可选地包含反斜线引号，embedded到其他文本中 – 为什么会在引用的string之外进行转义引号？ 如果你确实需要支持这个，那么你的问题就更复杂了，需要一个非常不同的方法。
正如我所说，以上是如何正则expression式应该看正则expression式编译器。 但是你是以string的forms来写的，而且这些字符往往会特别对待某些字符 – 也就是反斜杠和引号。 幸运的是，C＃的逐字string为您省去了双反斜杠的麻烦。 你只需要用另一个引号将每个引号转义出来：
Regex r = new Regex(@"""[^""\\]*(?:\\.[^""\\]*)*""");
所以规则是C＃编译器的双引号和正则expression式编译器的双反斜杠 – 很好很容易。 这个特定的正则expression式可能看起来有点尴尬，用三个引号在任何一端，但考虑替代：
Regex r = new Regex("\"[^\"\\\\]*(?:\\\\.[^\"\\\\]*)*\"");
在Java中，你总是必须这样写。 🙁
用于捕获string的正则expression式（用于字符转义），用于.NET引擎：
(?>(?(STR)(?(ESC).(?<-ESC>)|\\(?<ESC>))|(?!))|(?(STR)"(?<-STR>)|"(?<STR>))|(?(STR).|(?!)))+
在这里，一个“友好”的版本：
(?> | especify nonbacktracking (?(STR) | if (STRING MODE) then (?(ESC) | if (ESCAPE MODE) then .(?<-ESC>) | match any char and exits escape mode (pop ESC) | | else \\(?<ESC>) | match '\' and enters escape mode (push ESC) ) | endif | | else (?!) | do nothing (NOP) ) | endif | | -- OR (?(STR) | if (STRING MODE) then "(?<-STR>) | match '"' and exits string mode (pop STR) | | else "(?<STR>) | match '"' and enters string mode (push STR) ) | endif | | -- OR (?(STR) | if (STRING MODE) then . | matches any character | | else (?!) | do nothing (NOP) ) | endif )+ | REPEATS FOR EVERY CHARACTER
基于http://tomkaminski.com/conditional-constructs-net-regular-expressions的例子。; 它依靠引号平衡。 我用它取得了巨大的成功。 与Singleline标志一起使用。
要使用正则expression式，我推荐Rad Software Regular Expression Designer ，它有一个很好的“语言元素”选项卡，可以快速访问一些基本的指令。 它基于.NET的正则expression式引擎。
"(\\"|\\\\|[^"\\])*"
应该工作。 匹配转义引号，转义反斜线或除引号或反斜线字符以外的其他任何字符。 重复。
在C＃中：
StringCollection resultList = new StringCollection(); Regex regexObj = new Regex(@"""(\\""|\\\\|[^""\\])*"""); Match matchResult = regexObj.Match(subjectString); while (matchResult.Success) { resultList.Add(matchResult.Value); matchResult = matchResult.NextMatch(); }
编辑：增加了反斜杠到列表正确处理"This is a test\\" 。
说明：
首先匹配一个引号字符。
然后，从左到右评估替代scheme。 引擎首先尝试匹配转义报价。 如果不匹配，它会尝试转义反斜杠。 这样，就可以区分"Hello \" string continues"和"String ends here \\" 。
如果两者不匹配，则除了引号或反斜线字符之外的其他内容都是允许的。 然后重复。
最后，匹配结束报价。
我build议得到RegexBuddy 。 它可以让你玩弄它，直到你确定testing集中的所有东西都匹配。
至于你的问题，我会尝试四个而不是两个：
\"[^\"\\\\]*(?:\\.[^\"\\\\]*)*\"
正则expression式
(?<!\\)".*?(?<!\\)"
也将处理以逃脱引用开头的文本：
\"Some Text\" Some Text "Some Text", and "Some more Text" an""d "Even more text about \"this text\""
我知道这不是最干净的方法，但用你的例子，我会检查字符之前的"看，如果它是\ 。如果是，我会忽略报价。
与@Blankasaurus发布的RegexBuddy类似， RegexMagic也可以帮助你。
一个简单的答案，没有使用? 是
"([^\\"]*(\\")*)*\"
或者，作为一个逐字串
@"^""([^\\""]*(\\"")*(\\[^""])*)*"""
这只是意味着：
- find第一个
" - find任何不是
\或" - find任何数量的转义报价
\" - find任何数量的不是引号的转义字符
- 重复最后三个命令，直到find
"
我相信它的效果和@Alan Moore的答案一样好，但是对我来说，更容易理解。 它接受无与伦比的（“不平衡”）报价。
那么，艾伦·摩尔（Alan Moore）的答案是好的，但我会稍微修改一下，以使其更加紧凑。 对于正则expression式编译器：
"([^"\\]*(\\.)*)*"
与艾伦·摩尔的表述相比较：
"[^"\\]*(\\.[^"\\]*)*"
这个解释和Alan Moore的解释非常相似：
第一部分"匹配一个引号。
第二部分[^"\\]*匹配除引号或反斜杠以外的零个或多个任意字符。
最后一部分(\\.)*匹配反斜杠，任何单个字符都跟随它。 注意*，说这个组是可选的。
所描述的部分以及最后的" （即"[^"\\]*(\\.)*" ）将匹配：“一些文本”和“甚至更多文本”，但不匹配：“甚至更多关于“这个文本”的文字。
为了使它成为可能，我们需要部分： [^"\\]*(\\.)*根据需要重复多次，直到一个非转义的引号出现（或者到达string的末尾并且匹配尝试所以我用方括号把这个部分包起来，加了一个星号，现在匹配：“一些文本”，“甚至更多的文本”，“甚至更多关于\”这个文本\“和”你\“的文本。 。
在C＃代码中，它将如下所示：
var r = new Regex("\"([^\"\\\\]*(\\\\.)*)*\"");
顺便说一下，这两个主要部分的顺序： [^"\\]*和(\\.)*无关紧要。您可以写：
"([^"\\]*(\\.)*)*"
要么
"((\\.)*[^"\\]*)*"
结果将是一样的。
现在我们需要解决另一个问题： \"foo\"-"bar" 。 当前的expression式会匹配到"foo\"-" ，但是我们想把它匹配到"bar" ，我不知道
为什么在引用的string之外会有逃脱的引号？
但是我们可以通过在开始处添加以下部分来轻松实现： (\G|[^\\]) 。 它表示我们希望比赛在上一场比赛结束的时候开始，或者在除了反斜线之外的任何字符之后。 为什么我们需要\G ？ 这是针对以下情况，例如： "a""b" 。
请注意， (\G|[^\\])"([^"\\]*(\\.)*)*"与\"foo\"-"bar" -"bar"匹配。只有"bar" ，我们需要指定组，并可select给它一个名称，例如“我的组”，然后C＃代码将如下所示：
[TestMethod] public void RegExTest() { //Regex compiler: (?:\G|[^\\])(?<MyGroup>"(?:[^"\\]*(?:\.)*)*") string pattern = "(?:\\G|[^\\\\])(?<MyGroup>\"(?:[^\"\\\\]*(?:\\\\.)*)*\")"; var r = new Regex(pattern, RegexOptions.IgnoreCase); //Human readable form: "Some Text" and "Even more Text\"" "Even more text about \"this text\"" "Hello\\" \"foo\" - "bar" "a" "b" c "d" string inputWithQuotedText = "\"Some Text\" and \"Even more Text\\\"\" \"Even more text about \\\"this text\\\"\" \"Hello\\\\\" \\\"foo\\\"-\"bar\" \"a\"\"b\"c\"d\""; var quotedList = new List<string>(); for (Match m = r.Match(inputWithQuotedText); m.Success; m = m.NextMatch()) quotedList.Add(m.Groups["MyGroup"].Value); Assert.AreEqual(8, quotedList.Count); Assert.AreEqual("\"Some Text\"", quotedList[0]); Assert.AreEqual("\"Even more Text\\\"\"", quotedList[1]); Assert.AreEqual("\"Even more text about \\\"this text\\\"\"", quotedList[2]); Assert.AreEqual("\"Hello\\\\\"", quotedList[3]); Assert.AreEqual("\"bar\"", quotedList[4]); Assert.AreEqual("\"a\"", quotedList[5]); Assert.AreEqual("\"b\"", quotedList[6]); Assert.AreEqual("\"d\"", quotedList[7]); }
任何你需要做的机会： \"[^\"\\\\]*(?:\\.[^\"\\\\]*)*\"
