获取单引号和双引号之间的数据（特殊情况）

Question

我正在编写一个字符串解析器，用于解析文本文件中的所有字符串，字符串可以在单引号或双引号内，很简单吧？不是真的。我写了一个正则表达式来匹配我想要的字符串。但它在大字符串上给了我StackOverFlow 错误（我知道 java 对大字符串上的正则表达式并不是很好），这是正则表达式模式 (['"])(?:(?!\1|\\).|\\.)*\1

这对我需要的所有字符串输入都很有效，但是一旦有一个大字符串就会抛出 StackOverFlow 错误，我已经阅读了基于此的类似问题，例如 this 建议使用 @987654325 @，但在 '""'、"\\\"" 等字符串上会失败

所以我的问题是我应该怎么做才能解决这个问题？如果需要，我可以提供更多上下文，请发表评论。

编辑：测试答案后

代码：

public static void main(String[] args) {

    final String regex = "'([^']*)'|\"(.*)\"";
    final String string = "local b = { [\"\\\\\"] = \"\\\\\\\\\", [\"\\\"\"] = \"\\\\\\\"\", [\"\\b\"] = \"\\\\b\", [\"\\f\"] = \"\\\\f\", [\"\\n\"] = \"\\\\n\", [\"\\r\"] = \"\\\\r\", [\"\\t\"] = \"\\\\t\" }\n" +
            "local c = { [\"\\\\/\"] = \"/\" }";

    final Pattern pattern = Pattern.compile(regex, Pattern.MULTILINE);
    final Matcher matcher = pattern.matcher(string);

    while (matcher.find()) {
        System.out.println("Full match: " + matcher.group(0));
        for (int i = 1; i <= matcher.groupCount(); i++) {
            System.out.println("Group " + i + ": " + matcher.group(i));
        }
    }
}

输出：

Full match: "\\"] = "\\\\", ["\""] = "\\\"", ["\b"] = "\\b", ["\f"] = "\\f", ["\n"] = "\\n", ["\r"] = "\\r", ["\t"] = "\\t"
Group 1: null
Group 2: \\"] = "\\\\", ["\""] = "\\\"", ["\b"] = "\\b", ["\f"] = "\\f", ["\n"] = "\\n", ["\r"] = "\\r", ["\t"] = "\\t
Full match: "\\/"] = "/"
Group 1: null
Group 2: \\/"] = "/

它没有正确处理转义的引号。

Answer 1

我会尝试不捕获引用类型/lookahead/backref 以提高性能。请参阅this question 了解引用字符串中的转义字符。它包含一个nice answer，即unrolled。试试看

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

作为 Java 字符串：

String regex = "'[^\\\\']*(?:\\\\.[^\\\\']*)*'|\"[^\\\\\"]*(?:\\\\.[^\\\\\"]*)*\"";

左边处理单引号，右边处理双引号字符串。如果任何一种在您的来源中过度平衡另一种，最好将其放在管道的左侧。

See this a demo at regex101（如果您需要捕获引号内的内容，use groups）

Answer 2

对于溢出状态，您可能希望分配所需的任何资源。您可能希望设计小型基准测试并找出完成任务可能需要的实用资源。

另一种选择是寻找其他策略或语言来解决您的问题。例如，如果您可以将字符串分类为 ' 或 " 两类包装以找到其他一些最佳解决方案。

否则，您可能想尝试设计简单的表达式并避免反向引用，例如：

'([^']*)'|"(.*)"

对于您可能拥有但我们不知道的其他一些输入，这可能会失败。

或者也许提出您的问题稍微技术性一点，这样一些有经验的用户可能能够提供更好的答案，such as this answer。

测试

import java.util.regex.Matcher;
import java.util.regex.Pattern;


public class RegularExpression{

    public static void main(String[] args){

        final String regex = "'([^']*)'|\"(.*)\"";
        final String string = "'\"\"'\n"
             + "\"\\\\\\\"\"";

        final Pattern pattern = Pattern.compile(regex, Pattern.MULTILINE);
        final Matcher matcher = pattern.matcher(string);

        while (matcher.find()) {
            System.out.println("Full match: " + matcher.group(0));
            for (int i = 1; i <= matcher.groupCount(); i++) {
                System.out.println("Group " + i + ": " + matcher.group(i));
            }
        }

    }
}

输出

Full match: '""'
Group 1: ""
Group 2: null
Full match: "\\\""
Group 1: null
Group 2: \\\"

---

如果您希望简化/修改/探索表达式，请在regex101.com 的右上角面板中进行说明。如果您愿意，您还可以在this link 中观看它如何与一些示例输入匹配。

---

正则表达式电路

jex.im 可视化正则表达式：