正则表达式捕获单引号字符串

Question

我正在使用 .net 正则表达式引擎，我需要一个正则表达式模式来捕获单引号中的子字符串。

我有什么：

(?<!\\p{L})['‘]+(s['’] \\p{Lu}|['’]\\p{L}|[^‘'’\r])*['’]+((?<!s['’])(?! \\p{Lu})|(?!\\p{L}))

我认为它是如何工作的：

1. 一个非捕获的非字母数字后跟 1 个单引号

   (?<!\\p{L})['‘]+

2. 0-许多组（“s”+撇号+空格+大写字母或撇号+小写字母或不是撇号或换行符） (s['’] \\p{Lu}|['’]\\p{L}|[^‘'’\r])*

3. 1-多个结束引号 ['’]+

4. 最后验证：（不是 s+撇号后面，不是空格+前面的大写字母）或前面不是字母 ((?

它应该如何工作： 例如。 “这是我的‘猴子黑猩猩’农场” 期望的结果：“猴子的黑猩猩” 我目前得到的：'猴子'

说明：'s 不应被视为结束引号。如果 s' 后跟一个空格和另一个大写字母，则也不应该。

问题：为什么引擎在猴子的撇号处停止？在上面的第 2 节中，它应该捕获“'s”，然后继续。引擎很贪心吧？

感谢您的帮助

Answer 1

试一试。 “Lookaround”技术似乎很合适。

我也在使用 .NET

(?!'s\b)'.*?'(?!s\b)

• Assert that it is impossible to match the regex below starting at this position (negative lookahead)(?!'s\b)
  • Match the character string “'s” literally (case sensitive)'s
  • Assert position at a word boundary (position preceded or followed—but not both—by a Unicode letter, digit, or underscore)\b
• Match the character “'” literally'
• Match any single character that is NOT a line break character (line feed).*?
  • Between zero and unlimited times, as few times as possible, expanding as needed (lazy)*?
• Match the character “'” literally'
• Assert that it is impossible to match the regex below starting at this position (negative lookahead)(?!s\b)
  • Match the character “s” literally (case sensitive)s
  • Assert position at a word boundary (position preceded or followed—but not both—by a Unicode letter, digit, or underscore)\b