在转义引号内捕获字符串答案

【问题标题】：Capture strings inside escaped quotes在转义引号内捕获字符串
【发布时间】：2020-02-20 00:53:38
【问题描述】：

我有 3 个这种格式的字符串

Bank: {"955974044748481":["BANK_A"]}
{"reason": "Bank: {"455049295219902":["BANK_B"]}"}
{"reason": "Bank: {\\"1876212592475597\\":[\\"BANK_C\\"]}"}

我需要在 presto SQL 语句中使用单个正则表达式从这些字符串中提取 bank_id 和 bank_name。

我试过这个正则表达式，但它只捕获前两个而不是最后一个有转义字符的。 https://regex101.com/r/ejW68x/1

Bank: {"(.*)":\["(.*)"\]}

捕捉所有 3 种变体的正确方法是什么？

【问题讨论】：

【解决方案1】：

这样的事情怎么样：

Bank:.*{(?:\\\\)?"([^{"]*?)(?:\\\\)?":\[(?:\\\\)?"(.*?)(?:\\\\)?"\]}

或确保\\ 仅成对匹配：

Bank:.*{((?:\\\\)?)"([^{"]*?)\1":\[((?:\\\\)?)"(.*?)\3"\]}

请注意，在第二种情况下，您的捕获将位于组 #2 和 #4。

更新：

您的新测试字符串仍将与上述模式匹配。如果您愿意，可以将Bank:.* 替换为Bank:[ ]。 Demo1 - Demo2.

添加了(?:\\\\)? --> 一个可选的非捕获组来匹配两个反斜杠字符。
将您的第一个捕获组 (.*) 替换为 ([^{"]*?) 以避免匹配双引号和 { 字符（这对于您的第一个测试字符串尤其必要）。此外，将其从贪婪转换为懒惰（通过添加?）以避免捕获转义字符（\\）（如果存在）。
出于同样的原因，也让第二个捕获组变得懒惰(.*?)。
在第二种模式中，(?:\\\\)? 被添加到捕获组中，以便可以使用反向引用（即\1 和\3）。这样做的目的是仅在两个双引号字符都被转义时匹配（前面是\\）。

【讨论】：

我已将测试字符串更新为更精确...我只需要查找“银行”字样，然后在花背中查找 ID 和名称（带或不带转义字符）跨度>
@user330612 您更新的测试字符串使上述模式的一部分变得不必要，但它仍然可以工作。是否需要支持原始测试字符串？
我不需要支持原始测试字符串..抱歉造成混淆。如果正则表达式可以更清晰地匹配新的测试字符串，那就太好了。谢谢您的帮助。还可以对正则表达式的作用进行一些解释
@user330612 再想一想，我仍然会使用相同的模式（不需要去掉[^{"] 部分。如果你愿意，你可以用Bank[ ] 替换Bank:.*。我不过会添加解释。