regex - 如何匹配元素而忽略引号之间的其他元素？答案

【问题标题】：regex - How to match elements while ignoring others between quotation marks?regex - 如何匹配元素而忽略引号之间的其他元素？
【发布时间】：2015-05-26 14:44:04
【问题描述】：

我似乎找不到适合我需要的正则表达式。

我有一个这种形式的 .txt 文件：

Abc "test" aBC : "Abc aBC" 
Brooking "ABC" sadxzc : "I am sad"
asd : "lorem"
a22 : "tactius"
testsa2 : "bruchia"
test : "Abc aBC"
b2 : "Ast2"

我希望从这个 .txt 文件中提取与该正则表达式“([a-zA-Z]\w+)”匹配的所有内容，引号之间的内容除外。

我想重命名每个单词（引号中的单词除外），所以我应该有例如以下输出：

A "test " B : "Abc aBC" 
Z "ABC" X : "I am sad"
Test : "lorem"
F : "tactius"
H : "bruchia"
Game : "Abc aBC"
S: "Ast2"

这甚至可以使用正则表达式来实现吗？有没有不使用正则表达式的替代方法？

【问题讨论】：

根据您的文件格式，您似乎更想重命名冒号 (:) 之前的内容并将其单独保留...这比处理里面的所有内容更容易和引号外不同。这是一个准确的评估吗？ ETA：帖子已更新，这个问题现在无关紧要，因为这显然不是一个准确的评估。
这是 Json 吗？因为 Json 格式比较复杂。您最好为此使用库。
好的，我用文件格式做了一个小的编辑。我正在使用 java 来完成这项任务。不，这不是 Json。
Abc 变成 A 和 Brooking 变成 Z？这是我们正在研究的一个非常复杂的正则表达式。
是的，这正是我的想法。

标签： java regex

【解决方案1】：

如果引号是平衡的并且输入中没有转义，例如\"，那么您可以使用此正则表达式来匹配双引号之外的单词：

(?=(?:(?:[^"]*"){2})*[^"]*$)(\b[a-zA-Z]\w+\b)

RegEx Demo

在java中是：

Pattern p = Pattern.compile("(?=(?:(?:[^\"]*\"){2})*[^\"]*$)(\\b[a-zA-Z]\\w+\\b)");

如果单词在双引号之外，此正则表达式将匹配单词，方法是使用前瞻确保每个匹配单词后有偶数个引号。

【讨论】：

这正是我一直在寻找的，非常感谢。你只是帮了我很多。（是的，引号是平衡的）

【解决方案2】：

一种简单的方法可能是将字符串按" 拆分，然后在每个奇数部分（如果从 1 开始编号，则在第 1、3、...部分上）使用您的正则表达式进行替换，然后加入一切都回来了。

UPD 但是，手动实现也很简单。沿着这条线走，跟踪你是否在引号内。

insideQuotes = false
result = ""
currentPart = ""
input = input + '"' // so that we do not need to process the last part separately
for ch in string
    if ch == '"'
        if not insideQuotes
            currentPart = replace(currentPart)
        result = result + currentPart + '"'
        currentPart = ""
        insideQuotes = not insideQuotes
    else 
        currentPart = currentPart + ch
drop the last symbol of result (it is that quote mark that we have added)

不过，还要考虑一下您是否需要一些更高级的语法。例如，引用转义如

word "inside quote \" still inside" outside again

？如果是，那么您将需要更高级的解析器，或者您可能会考虑使用一些特殊的格式。

【讨论】：

【解决方案3】：

您无法按照您的想法制定“引号内”条件。但是您可以轻松地搜索未引用的单词或引用的字符串，并仅对未引用的单词执行操作：

Pattern p = Pattern.compile("\"[^\"]*\"|([a-zA-Z]\\w+)");
for(String s: lines) {
    Matcher m=p.matcher(s);
    while(m.find()) {
        if(m.group(1)!=null) {
            System.out.println("take action with "+m.group(1));
        }
    }
}

这利用了这样一个事实，即每次搜索下一个匹配项都从前一个匹配项的末尾开始。因此，如果您找到带引号的字符串 ("[^"]*")，您无需执行任何操作并继续搜索其他匹配项。仅当引用的字符串不匹配时，模式才会查找单词 (([a-zA-Z]\w+))，如果找到，组 1 会捕获该单词（将不是 null）。

【讨论】：