正則表達式;反向引用在字符集中不匹配的字符

我想構建一個正則表達式，它匹配'或"，然後匹配其他字符，當分別匹配'或"時結束，具體取決於在右邊遇到的情況開始。所以這個問題看起來簡單得足以在最後使用反向引用來解決;這裏是下面一些正則表達式的代碼（這是在Java中那麼介意額外逃逸字符，如\的"前）：正則表達式;反向引用在字符集中不匹配的字符

private static String seekerTwo = "(['\"])([a-zA-Z])([a-zA-Z0-9():;/`\\=\\.\\,\\- ]+)(\\1)";

此代碼將成功地處理事情，如：

"hello my name is bob" 
'i live in bethnal green'

的麻煩的是當我有一個這樣的字符串：

"hello this seat 'may be taken' already"

使用上述正則表達式就可以將初始部分在遇到失敗'然後它會繼續併成功匹配'may be taken' ...但這顯然是不夠的，我需要整個字符串進行匹配。

我在想什麼，是我需要一種方法來忽略第一組中不匹配的引號類型，方法是將其作爲第三組字符集中的一個字符。但是，我知道沒有辦法做到這一點。有沒有某種鬼鬼祟祟的非反向引用功能或某種東西？我可以用來引用第一組中不匹配的字符？或者以其他方式解決我的困境？

來源

2012-03-15 flamming_python

嗨，歡迎來到StackOverflow。我冒昧地重新格式化您的文章一點。你可以點擊編輯鏈接查看我是如何做到這一點的。非常重要的是要知道你是否需要發佈代碼... – 2012-03-15 11:15:14

這可以使用負數lookahead assertions來完成。下面的解決方案，甚至考慮到了，你能逃脫在字符串中報價：

(["'])(?:\\.|(?!\1).)*\1

說明：

(["']) # Match and remember a quote. 
(?:  # Either match... 
\\.  # an escaped character 
|   # or 
(?!\1) # (unless that character is identical to the quote character in \1) 
.  # any character 
)*  # any number of times. 
\1  # Match the corresponding quote.

這正確匹配"hello this seat 'may be taken' already"或"hello this seat \"may be taken\" already"。

在Java中，所有的反斜線：

Pattern regex = Pattern.compile(
    "([\"']) # Match and remember a quote.\n" + 
    "(?:  # Either match...\n" + 
    " \\\\. # an escaped character\n" + 
    "|   # or\n" + 
    " (?!\\1) # (unless that character is identical to the matched quote char)\n" + 
    " .  # any character\n" + 
    ")*  # any number of times.\n" + 
    "\\1  # Match the corresponding quote", 
    Pattern.COMMENTS);

來源

2012-03-15 11:05:44

+1爲一個深思熟慮和解釋的解決方案！ – FloppyDisk 2012-03-15 11:22:16

傑出的工作Tim，感謝您編輯我的文章。感謝你的建議，通過一些工作，我修改了我的代碼：「（['\」]）（[a-zA-Z]）（（？！\\ 1）[a-zA-Z0-9 （）：; /''\「\\ = \\。\\，\\ - ]）+（\\ 1）」這樣你的解決方案實際上已經夠簡單和完美的了。如果在主要字符集之前有一個正則表達式，則添加正則表達式的等價關係，這將直接跳到最後一個循環。並將這兩種類型的引號添加到主要字符集。這樣，如果在任何時候發現了開始的引用char，則正則表達式將終止並返回。尼斯。 – 2012-03-15 11:36:40

蒂姆的解決方案工作得相當好，如果你可以使用環視（其中的Java不支持）。每種情況下單獨

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

比賽，而是返回兩種情況下：但是，如果你要使用的語言或工具，它不支持環視發現自己，你可以簡單地匹配兩種情況下（雙引號字符串和單引號的字符串）分別作爲整個匹配

無論其

這兩種情況可以犧牲品至少一個不測。如果不仔細看，你可能會覺得應該有在此摘錄比賽：

他轉身坐上他的自行車。「等我完成了這一切後，我會再見到你的。」他說，在開始他的旅程之前回頭看了一會兒。當他進入街道時，這座城市的一個手推車與邁克的自行車相撞。「天啊！」一位旁觀者驚呼道。

...但也有場比賽，而不是兩個：

"I'll see you later, when I'm done with all this" 
's trolleys collided with Mike' 
"Oh my!"

這個摘錄只包含ONE比賽：

的鬥爭還沒有結束，但是。「嘿！」鮑勃大叫。「你想要什麼？」我反駁道。「你讓我噁心！」「我爲什麼要關心？」「因爲我愛你！」「你做？」鮑勃停了片刻，然後低聲說道：「不，我不能愛你！」

你能找到那個嗎？：d

't over yet, though. "Hey!" yelled Bob. "What do you want?" I retorted. "I hate your guts!" "Why would I care?" "Because I love you!" "You do?" Bob paused for a moment before whispering "No, I couldn'

我會建議（如果你是爲使用環視），您考慮做一些額外的檢查（如空格或第一次報價之前類似的積極的回顧後），以確保你不」 t匹配's trolleys collided with Mike'之類的東西 - 儘管如果沒有大量測試，我不會在任何解決方案上投入太多資金。添加(?<=\s|^)要麼表達年初將避免上述情況...即：

(?<=\s|^)(["'])(?:\\.|(?!\1).)*\1     #based on Tim's

或

(?<=\s|^)("(\\"|[^"])*"|'(\\'|[^'])*')    #based on my alternative

我不知道怎麼環視效率相比於非環視，所以兩個以上可能是等價的，或者一個可能比另一個更有效率（？）

來源

2012-03-15 13:32:15

這裏有一些好點的代碼騎師，並且確實以這種方式解析英文文本不是明智的。然而，我實際上試圖解析MySQL代碼中的俄文文本（我在上面的代碼中將а-яА-ЯёЁ更改爲a-zA-Z，以便這裏的人員能夠掌握其含義），並且在解析字符串在代碼中，它們當然總是保證被一種引號或另一種引用。 – 2012-03-15 15:41:19

正則表達式;反向引用在字符集中不匹配的字符

回答

相關問題