匹配键值模式正则表达式

Question

我正在制作一个键值解析器，其中输入字符串采用的形式key:"value",key2:"value"。键可以包含字符a-z，A-Z并且0-9和值可以包含任何字符，但:，,，"和\需要用反斜杠前缀。逗号用于分隔键值对，但在最后一对之后不需要。

到目前为止，我已经([a-zA-Z0-9]+):"(.*)"可以匹配大多数键和值，但是很显然它将不能处理多于一对的字符或者任何“控制”字符都不能转义。(?<=\\)[:,"\\]似乎匹配所有转义字符，但不匹配任何“正常”字符。

有没有办法检查逗号分隔并匹配所有转义的“控制”字符以及普通字符？这是不是更适合没有正则表达式的实现的东西吗？还是需要顺序使用多个模式？

一些例子：

输入：joe:"bread",sam:"fish"输出：joe -> bread sam -> fish

输入：joe:"Look over there\, it's a shark!",sam:"I like fish."输出：joe -> Look over there, it's a shark! sam -> I like fish

Answer 1

假定\除行终止符之外的任何字符都指定紧随其后的字符。

您可以使用以下正则表达式来匹配键值对的所有实例：

"([a-zA-Z0-9]+):\"((?:[^\\\\\"]|\\\\.)*+)\""

如果要允许自由间距\\s*，请在之前和之后添加:。

这是正则表达式引擎看到的内容：

([a-zA-Z0-9]+):"((?:[^\\"]|\\.)*+)"

量词*由所有格*+，由于2个分支[^\\"]并\\.是互斥（没有字符串可由两个在同一时间相匹配）。它还避免StackOverflowError了在Oracle的实现Pattern类。

在Matcher循环中使用上述正则表达式：

Pattern keyValuePattern = Pattern.compile("([a-zA-Z0-9]+):\"((?:[^\\\\\"]|\\\\.)*+)\"");
Matcher matcher = keyValuePattern.matcher(inputString);

while (matcher.find()) {
    String key = matcher.group(1);

    // Process the escape sequences in the value string
    String value = matcher.group(2).replaceAll("\\\\(.)", "$1");

    // ...
}

在一般的情况下，根据不同的转义序列的复杂性（例如\n，\uhhhh，\xhh，\0），你可能会想要写一个单独的函数来分析它们。但是，基于上述假设，单线就足够了。

请注意，尽管如此，该解决方案并不关心分隔符。并且它将在无效输入上跳至最接近的匹配项。在下面的无效输入示例中，以上解决方案将abc:"在开头跳过并愉快地将xyz:"text text"amd more:"pair"作为键值对进行匹配：

abc:"xyz:"text text", more:"pair"

如果这种行为不是所希望的，那么有一个解决方案，但是必须首先隔离包含所有键值对的字符串，而不是使其成为与键值对没有任何关系的更大字符串的一部分：

"(?:^|(?!^)\\G,)([a-zA-Z0-9]+):\"((?:[^\\\\\"]|\\\\.)*+)\""

免费版本：

"(?:^\s*|(?!^)\\G\s*,\s*)([a-zA-Z0-9]+)\s*:\s*\"((?:[^\\\\\"]|\\\\.)*+)\""