如何测试字符串是否包含无效的字符串文字？答案

【问题标题】：How to test if string contain invalid string literals?如何测试字符串是否包含无效的字符串文字？
【发布时间】：2017-05-01 06:45:25
【问题描述】：

我有像这样匹配字符串文字的正则表达式：

/"[^"\\]*(?:\\[\S\s][^"\\]*)*"|'[^'\\]*(?:\\[\S\s][^'\\]*)*'/

DEMO

如何测试给定的字符串是否包含无效（未闭合的字符串），如下所示：

echo "asd \\\"asd && rm

应该匹配：

echo "foo
echo "asd \\\"asd && rm
echo "asd \" " asd && rm " \"

但不是：

echo "asd \\\"asd" && rm
echo "asd \"asd" && rm
echo "asd \\\\\"asd" && echo " \" " && rm

如何使用 javascript（没有特定的 PCRE 扩展）创建这样的正则表达式解决方案是首选。

编辑：我已经使用 php 解决了这个问题：

/(?:"[^"\\]*(?:\\[\S\s][^"\\]*)*"|'[^'\\]*(?:\\[\S\s][^'\\]*)*')(*SKIP)(*F)|"/

是否可以在 javascript 中做同样的事情，还是我需要解析字符串？

【问题讨论】：

看看stackoverflow.com/questions/15874052/…。
@Alex 那应该解决什么问题？问题是匹配字符串中的数字，问题是访问属性。
在您的问题中，您问如何创建“使用 javascript 的此类正则表达式解决方案”。我提供的链接显示了如何使用 JavaScript 来执行正则表达式。您也没有提到匹配的数字或访问您的问题中的属性。您能否提供显示您需要访问哪些属性的代码？这样我们才能找出访问它们的最佳方式。
@Alex 不是我的问题，但您链接的问题是关于使用属性和正则表达式来匹配数字。我的问题是如何创建匹配字符串文字的正则表达式。
@Alex 问题是关于检查字符串是否包含奇数个引号字符，如果引号之前没有斜杠甚至斜杠数。

标签： javascript php regex string

【解决方案1】：

您的 php 模式实际上是错误的，因为它不适用于单引号。如果您将最后一个 " 更改为 ["']，则可以轻松更正它。请注意，您也不需要使用解决方法[\s\S]，因为 pcre 具有单行修饰符 s:

/(?:"[^"\\]*(?:\\.[^"\\]*)*"|'[^'\\]*(?:\\.[^'\\]*)*')(*SKIP)(*F)|["']/s

但是，如果(*SKIP)(*FAIL) 组合的使用看起来很诱人，那么它以低效的模式设计结束：以交替开头的非锚定模式。结果，对于不是引号的每个字符（在引号部分之外），交替的三个分支都被测试为空。

这就是为什么我建议一种更有效的方法，从头开始检查字符串（锚定模式）并使用所有格量词：

$p = '~(?:  [^"\']+ 
         |  " [^"\\\\]*  (?: \\\\. [^"\\\\]*  )*  "
         | \' [^\'\\\\]* (?: \\\\. [^\'\\\\]* )* \'
       )*+  # possessive quantifier
       .    # a character that can only be a quote (single or double) 
      ~xAs'; // modifiers: extended, Anchored, singleline

var_dump(preg_match($p, $str));

demo

由于量词是贪婪的（它采取一切可能的）和所有格的（它禁止正则表达式引擎回溯），点匹配的字符只能是如果存在，则为孤引号（否则，模式失败）。

与 javascript 的想法相同，但您必须使用前瞻的原子性质来模拟所有格量词：(?=(...))\1

var p = /^(?=((?:[^"']+|"[^"\\]*(?:\\[^][^"\\]*)*"|'[^'\\]*(?:\\[^][^'\\]*)*')*))\1./;
console.log(p.test(s));

您还可以构建状态机：

String.prototype.unbalancedQuotes = function () {
    var p = /[\\"']/g, state = {
        e: false, // escape state: index of the last quoted escape character or false
        q: undefined, // quote state: last opening quote or undefined
        update: function(m) {
            if ( this.e === m.index - 1 ) { // when the current character is escaped:
               this.e = false;  //set the escaped state to false
            } else {                        // otherwise:
               if ( this.q && m[0] == '\\' ) // if the character is a quoted backslash
                   this.e = m.index; // store the current index
               else // else change eventually the quote state
                   this.q = this.q == m[0] ? undefined : this.q || m[0];
            }
        }
    };

    while ( (m = p.exec(this)) !== null ) state.update(m);

    return Boolean(state.q);
};

var s = '"a\\h"bcd';

console.log(s);
console.log(s.unbalancedQuotes());

【讨论】：

【解决方案2】：

在 php 中，我使用正则表达式解决了这个问题：

/(?:"[^"\\]*(?:\\[\S\s][^"\\]*)*"|'[^'\\]*(?:\\[\S\s][^'\\]*)*')(*SKIP)(*F)|"/

在 javascript 中我创建了解析函数：

    function unclosed_strings(string) {
        if (!string.match(/["']/)) {
            return false;
        }
        var count = 0;
        string.match(/\\*["']/g).forEach(function(quote) {
            var slashes = quote.match(/\\/g);
            if (slashes && slashes.length % 2 === 0 || !slashes) {
                count++;
            }
        });
        return count % 2 !== 0;
    }

【讨论】：