复杂的正则表达式匹配不在引号内的任何内容

Question

我有这个正则表达式，它可以扫描文本以查找单词 very: (?i)(?:^|\W)(very)[\W$]，它有效。我的目标是升级它并避免在引号内、独立或作为较长块的一部分时进行匹配。

现在，我有另一个正则表达式，它匹配不在大引号内的任何内容：(?<![\S"])([^"]+)(?![\S"])，它也可以工作。

我的问题是我似乎无法将它们结合起来。例如字符串：

Fred Smith very loudly said yesterday at a press conference that fresh peas will "very, very defintely not" be served at the upcoming county fair。在这一点上，我们有 3 个 very 实例，但我只对匹配第一个感兴趣并忽略整个 Smith 引用。

Answer 1

这个正则表达式

(?i)(?<!(((?<DELIMITER>[ \t\r\n\v\f]+)(")(?<FILLER>((?!").)*))))\bvery\b(?!(((?<FILLER2>((?!").)*)(")(?<DELIMITER2>[ \t\r\n\v\f]+))))

可以在两种情况下工作：

• 您的正则表达式引擎允许无限后视
• 引号由空格分隔

试试http://regexstorm.net/tester

Answer 2

您所描述的内容很难用正则表达式处理。很难确定您是否在报价范围内。您的第二个正则表达式无效，因为它只忽略直接在引号右侧的第一个 very 并且仍然与第二个匹配。

从this answer 中汲取灵感，这反过来又引用了另一个答案，该答案描述了如何regex match a pattern unless ... 我可以捕获您想要的匹配项。

基本思想是使用交替| 并匹配所有你不想要的东西，然后最后匹配（并捕获）你在最后一个子句中想要的东西。像这样的：

"[^"]*"|(very)

我们匹配第一个子句中的引用字符串，但我们没有将它们捕获在一个组中，然后我们匹配（并捕获）第二个子句中的单词very。您可以在捕获的组中找到此匹配项。如何引用捕获的组取决于您的正则表达式环境。

有关测试用例，请参阅此regex101 fiddle。