使用多个条件标记字符串答案

【问题标题】：Tokenize a string using multiple conditions使用多个条件标记字符串
【发布时间】：2021-08-22 00:32:18
【问题描述】：

对于下面的字符串：

var str = "value0 'value 1/5' 'x ' value2";

有没有一种方法可以解析该字符串以便得到

arr[0] = "value0";
arr[1] = "value 1/5";
arr[2] = "x ";
arr[3] = "value2";

可能带有单引号的值的顺序是任意的。大小写无关紧要。

我可以使用正则表达式获取单引号之间的所有值

"'(.*?)'"

但我需要这些值相对于其他非单引号值的顺序。

【问题讨论】：

标签： c# regex

【解决方案1】：

使用

'(?<val>.*?)'|(?<val>\S+)

见regex proof

解释

--------------------------------------------------------------------------------
  '                        '\''
--------------------------------------------------------------------------------
  (                        group and capture to \1:
--------------------------------------------------------------------------------
    .*?                      any character except \n (0 or more times
                             (matching the least amount possible))
--------------------------------------------------------------------------------
  )                        end of \1
--------------------------------------------------------------------------------
  '                        '\''
--------------------------------------------------------------------------------
 |                        OR
--------------------------------------------------------------------------------
  (                        group and capture to \2:
--------------------------------------------------------------------------------
    \S+                      non-whitespace (all but \n, \r, \t, \f,
                             and " ") (1 or more times (matching the
                             most amount possible))
--------------------------------------------------------------------------------
  )                        end of \2

C# code：

using System;
using System.Text.RegularExpressions;

public class Example
{
    public static void Main()
    {
        string pattern = @"'(?<val>.*?)'|(?<val>\S+)";
        string input = @"value0 'value 1/5' 'x ' value2";
        
        foreach (Match m in Regex.Matches(input, pattern))
        {
            Console.WriteLine(m.Groups["val"].Value);
        }
    }
}

【讨论】：

【解决方案2】：

在 C# 中，您可以重复使用相同命名的捕获组，因此您可以使用替代 |，并为两个部分使用相同的组名。

'(?<val>[^']+)'|(?<val>\S+)

模式匹配：

' 匹配单引号
(?<val>[^']+) 在组 val 中捕获匹配除 ' 之外的任何字符的 1 倍以上以不匹配空字符串
' 匹配单引号
|或者
(?<val>\S+) 在组中捕获 val 匹配 1+ 次任何非空白字符

查看.NET regex demo 或C# demo

例如

string pattern = @"'(?<val>[^']+)'|(?<val>\S+)";
var str = "value0 'value 1/5' 'x ' value2";
foreach (Match m in Regex.Matches(str, pattern))
{
    Console.WriteLine(m.Groups["val"].Value);
}

输出

value0
value 1/5
x 
value2

【讨论】：