正则表达式匹配不在引号中的关键字答案

【问题标题】：regex match keywords that are not in quotes正则表达式匹配不在引号中的关键字
【发布时间】：2012-07-22 03:28:03
【问题描述】：

如何查找不在字符串中的关键字。

例如，如果我有文字：

你好，本文是一个例子。

bla bla bla "此文本在字符串中"

"随机字符串" more text bla bla bla "foo"

我希望能够匹配所有不在" " 中的单词text。在其他我想匹配：

注意我不想匹配以红色突出显示的文本，因为它在字符串中

可能的解决方案：

我一直在努力，这就是我目前所拥有的：

(?s)((?<q>")|text)(?(q).*?"|)

请注意，正则表达式将 if 语句用作：(?(predicate) true Alternative|false Alternative)

因此正则表达式将显示为：

找到 " 或文本。如果找到 " 然后继续选择直到再次找到 " (.*?") 如果找到文本则什么也不做...

当我运行该正则表达式时，我匹配整个字符串。我问这个问题是为了学习。我知道我可以删除所有字符串然后查找我需要的内容。

【问题讨论】：

您是否尝试过在线正则表达式生成器，例如：txt2re.com/index-csharp.php3
为什么要匹配一个你知道的字符串？你打算如何处理结果。意图对于其他人能够给出适当的答案很重要。
你不需要知道问题的意图就能回答它。您还假设他知道字符串是什么。他只是举例说明他正在尝试做什么，而这些不一定是他最终会使用的。他正在寻找一个特定的结果，如何使用该结果与我们无关。

标签： c# regex parsing

【解决方案1】：

这是一个答案：

(?<=^([^"]|"[^"]*")*)text

这意味着：

(?<=       # preceded by...
^          # the start of the string, then
([^"]      # either not a quote character
|"[^"]*"   # or a full string
)*         # as many times as you want
)
text       # then the text

您也可以轻松扩展它以处理包含转义的字符串。

在 C# 代码中：

Regex.Match("bla bla bla \"this text is inside a string\"",
            "(?<=^([^\"]|\"[^\"]*\")*)text", RegexOptions.ExplicitCapture);

从评论讨论中添加 - 扩展版本（基于每行匹配并处理转义）。为此使用RegexOptions.Multiline：

(?<=^([^"\r\n]|"([^"\\\r\n]|\\.)*")*)text

在 C# 字符串中，如下所示：

"(?<=^([^\"\r\n]|\"([^\"\\\\\r\n]|\\\\.)*\")*)text"

既然您现在想使用 ** 而不是 "，这里有一个版本：

(?<=^([^*\r\n]|\*(?!\*)|\*\*([^*\\\r\n]|\\.|\*(?!\*))*\*\*)*)text

解释：

(?<=       # preceded by
^          # start of line
 (         # either
 [^*\r\n]| #  not a star or line break
 \*(?!\*)| #  or a single star (star not followed by another star)
  \*\*     #  or 2 stars, followed by...
   ([^*\\\r\n] # either: not a star or a backslash or a linebreak
   |\\.        # or an escaped char
   |\*(?!\*)   # or a single star
   )*          # as many times as you want
  \*\*     # ended with 2 stars
 )*        # as many times as you want
)
text      # then the text

由于此版本不包含 " 字符，因此使用文字字符串更简洁：

@"(?<=^([^*\r\n]|\*(?!\*)|\*\*([^*\\\r\n]|\\.|\*(?!\*))*\*\*)*)text"

【讨论】：

Porges 感谢您的帮助！如果我在哪里有：" \r\n text \r\n " bla bla... 不匹配...我想原因是因为[^"] 将继续下一行...
@TonoNam：如果您希望它在每行的基础上进行匹配，请将[^"] 更改为[^"\r\n] 并将RegexOptions.Multiline 添加到选项中。
"(?<=^([^\"]|\"[^\"]*\")*)text" 如果引用的文本后面有任何文本，则不起作用。
很好的解决方案，但是当引用的字符串是多行并且匹配的单词在新行上时不起作用：regex101.com/r/UhAi9f/1

【解决方案2】：

这可能会变得非常棘手，但这是一种可能的方法，它可以确保匹配文本和字符串结尾之间有偶数个引号：

text(?=[^"]*(?:"[^"]*"[^"]*)*$)

将text 替换为您要匹配的正则表达式。

Rubular：http://www.rubular.com/r/cut5SeWxyK

解释：

text            # match the literal characters 'text'
(?=             # start lookahead
   [^"]*          # match any number of non-quote characters
   (?:            # start non-capturing group, repeated zero or more times
      "[^"]*"       # one quoted portion of text
      [^"]*         # any number of non-quote characters
   )*             # end non-capturing group
   $              # match end of the string
)               # end lookahead

【讨论】：

【解决方案3】：

我会简单地贪婪地匹配非捕获组中的引号中的文本以将它们过滤掉，然后将捕获组用于未引用的答案，如下所示：

".*(?:text).*"|(text)

您可能希望针对单词边界等进行一些改进。但这应该可以让您到达您想去的地方，并且是一个清晰易读的示例。

【讨论】：

【解决方案4】：

到目前为止，我已经多次使用这些答案，并希望分享解决此问题的替代方法，因为有时我无法实施和使用给定的答案。

与其匹配关键字，不如将任务分解为两个子任务：

将不需要匹配的所有内容替换为空字符串
使用普通匹配

例如，要替换我使用的引号中的文本：

[dbo].[fn_Utils_RegexReplace] ([TSQLRepresentation_WHERE], '''.*?(?<!\\)''', '')

或更清楚：'.*?(?<!\\)'。

我知道这可能看起来像双重工作并且对某些平台/语言有性能影响，所以每个人也需要对此进行测试。

【讨论】：