Assism with regexp

Question

我感到羞愧，但我仍然不清楚正則表達式的一些方面。 我需要解析文本文件，其中包含一些@"I'm a string"格式的字符串文字。 我已經組成了簡單的模式/@"([^"]*)"/si。它工作完美，preg_match_all返回一個集合。但是，如果字符串文字包含像@"I'm plain string. I'm \"qouted\" string "這樣的轉義引號，顯然它不能正常工作。將不勝感激任何線索。

Answer 1

這是一個用例Freidl的經典作品「展開循環」：（編輯固定捕獲分組）

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

這將匹配引用字符串，以反斜槓轉義引號考慮。

你可以使用匹配字段（包括@）的完整的regex是：

/@"((?:[^"\\]|\\.)*)"/ 

但要小心！我經常看到有人抱怨說這種模式在PHP中不起作用，這是因爲在字符串中使用了反斜槓的略微融化的性質。

上述模式中的反斜槓代表文字需要傳遞到PCRE的反斜槓。這意味着，他們需要在PHP字符串中使用時，他們是兩次轉義：

$expr = '/@"((?:[^"\\\\]|\\\\.)*)"/'; 

preg_match_all($expr, $subject, $matches); 

print_r($matches[1]); // this will show the content of all the matched fields 

See it working

它是如何工作的？

...我聽到你問。那麼，讓我們看看我能否以一種真正有意義的方式解釋這一點。讓我們使x模式，這樣我們就可以空出來了一下：

/ 
    @    # literal @ 
    "    # literal " 
    (   # start capture group, we want everything between the quotes 
     (?:  # start non-capturing group (a group we can safely repeat) 
     [^"\\] # match any character that's not a " or a \ 
     |  # ...or... 
     \\.  # a literal \ followed by any character 
    )*  # close non-capturing group and allow zero or more occurrences 
    )   # close the capture group 
    "    # literal " 
/x 

這真的很重要的點是這些：

• [^"\\]|\\. - 意味着每一個反斜槓是「平衡」 - 每一個反斜槓必須轉義字符，並且不會有一次以上的角色被考慮。
• 將*包裹在上面的重複組意味着上述模式可以發生無限次數，並且允許空字符串（如果您不想允許空字符串，請將*更改爲+）。這是「展開循環」的「循環」部分。

但輸出字符串仍然包含逃脫引號的反斜線？

確實如此，這只是一個匹配程序，它不會修改匹配。但是因爲結果是字符串的內容，所以簡單的str_replace('\\"', '"', $result)將是安全的並且產生正確的結果。

但是，做這樣的事情的時候，我經常發現我要處理其他轉義序列，以及 - 在這種情況下，我通常會做這樣的事情的結果：

preg_replace_callback('/\\./', function($match) { 
    switch ($match[0][1]) { // inspect the escaped character 
     case 'r': 
      return "\r"; 

     case 'n': 
      return "\n"; 

     case 't': 
      return "\t"; 

     case '\\': 
      return '\\'; 

     case '"': 
      return '"'; 

     default: // if it's not a valid escape sequence, treat the \ as literal 
      return $match[0]; 
    } 
}, $result); 

這使得類似的行爲轉換爲PHP中的雙引號字符串，其中\t被選項卡替換，\n被替換爲換行符等。

如果我想允許單引號字符串呢？

這已經給我很長時間了。我一直有這樣一種微妙的感覺，認爲這可以通過反向引用更有效地處理，但許多嘗試未能產生任何可行的結果。

我這樣做：

/(?:"((?:[^"\\]|\\.)*)")|(?:'((?:[^'\\]|\\.)*)')/ 

正如你所看到的，這基本上是採用基本相同的圖案兩次，OR關係。該字符串的提取在PHP端略微複雜，以及：

$expr = '/(?:"((?:[^"\\\\]|\\\\.)*)")|(?:\'((?:[^\'\\\\]|\\\\.)*)\')/'; 

preg_match_all($expr, $subject, $matches); 

$result = array(); 
for ($i = 0; isset($matches[0][$i]); $i++) { 
    if ($matches[1][$i] !== '') { 
     $result[] = $matches[1][$i]; 
    } else { 
     $result[] = $matches[2][$i]; 
    } 
} 

print_r($result); 

Answer 2

您需要使用負回顧後 - 直到你找到一個報價沒有反斜槓匹配的一切。這是Java：

public static void main(String[] args) { 
    final String[] strings = new String[]{"@\"I'm a string\"", "@\"I'm plain string. I'm \\\"qouted\\\" \""}; 

    final Pattern p = Pattern.compile("@\"(.*)\"(?<!\\\\)"); 
    System.out.println(p.pattern()); 

    for (final String string : strings) { 
     final Matcher matcher = p.matcher(string); 
     while (matcher.find()) { 
      System.out.println(matcher.group(1)); 
     } 
    } 
} 

輸出：

I'm a string 
I'm plain string. I'm \"qouted\" 

模式（沒有所有的Java逃逸）是：@"(.*)"(?<!\\)