如何解析一个双引号包含转义双引号的字符串

Question

我需要解析来自流的行，看起来像这样：command "string1" "string2" 字符串可以包含空格和转义的双引号。我需要将其拆分，以便将command，string1和string2作为数组元素获取。我认为使用正则表达式匹配"但不是\"（.split("(?<!\\\\)\"")）可以完成任务，但我听说这不是一个好主意。

在Java中有更好的方法吗？

- user1902247

---

这不是免费的代码编写服务。试一试，如果你无法让它工作，请发布你所做的和出现了什么问题，我们会尝试帮助你。 - Robert Columbia

老实说，只需在空格上进行分割，然后单独解析命令参数即可。你不必为此使用正则表达式。 - Dici

@Dici 我无法根据空格进行拆分，因为参数可能包含空格。 - user1902247

@RobertColumbia 我不是在要求代码，我是在问是否有更好的方法来做这件事。 - user1902247

@user1902247 更新了答案，由rici指导。 - Dici

Answer 1

假设您想在适用时删除外部双引号（如果不需要，则只需更改第一个捕获组以包括引号），那么类似下面的内容应该可以解决问题：

public class Demo {
    private static final Pattern WORD = 
        Pattern.compile("\"((?:[^\\\\\"]|\\\\.)*)\"|([^\\s\"]+)");

    public static void main(String[] args) {
        String  cmd = 
           "command "                                  +
           "\"string with blanks\" "                   +
           "\"anotherStringBetweenQuotes\" "           +
           "\"a string with \\\"escaped\\\" quotes\" " + 
           "stringWithoutBlanks";

        Matcher matcher = WORD.matcher(cmd);
        while (matcher.find()) {
            String capturedGroup = matcher.group(1) != null ? matcher.group(1) : matcher.group(2);
            System.out.println("Matched: " + capturedGroup);
        }
    }
}

输出：

Matched: command
Matched: string with blanks
Matched: anotherStringBetweenQuotes
Matched: a string with \"escaped\" quotes
Matched: stringWithoutBlanks

正则表达式有些复杂，因此值得解释一下：

• [^\\\\\"] 匹配除了反斜杠和双引号以外的所有字符
• \\\\. 匹配反斜杠后紧跟着任何一个字符（包括双引号），即转义字符
• (?:[^\\\\\"]|\\\\.)* 匹配包含转义或非转义字符的任何序列，但不捕获该组（由于(?:)）
• "\"((?:[^\\\\\"]|\\\\.)*)\"匹配任何这样的序列，用双引号括起来并捕获括号内的内容
• ([^\\s\"]+) 匹配任何非空的非空格字符序列，并将其捕获在一个组中

- Dici

---

谢谢，很抱歉打扰您，但是相比于 str.split("(?<!\\\\)\"")，这种方法有什么优势呢？ - user1902247

@dici：我没有进行过dv，但是谁曾经这样做过，可能是因为它不起作用。尝试在像OP中具有两个不同双引号子字符串的输入上运行它。而且它也不能处理转义引号，虽然只有在解决第一个问题时才会有影响。 - rici

@rici 取决于您期望的输出。它符合我的期望，但不符合您的期望，也不一定符合 OP 的期望。由于 OP 没有明确说明要求，因此我很好奇您是如何理解这些要求的。 - Dici

我理解要求是将 command "string1" "string2" 分成三部分。这似乎非常明确。据我所知你的程序只会把它分成两部分。(如果我错了，请随便指出我的错误)。还有一个期望，即去掉引号，但这并不明确。 - rici

如果你尝试使用回顾，很可能会出错，因为你需要区分 \"（转义引号）、\\\"（转义反斜杠后跟一个结束字符串的引号）、\\\"（转义反斜杠后跟转义引号）等。犯这些错误是非常常见的 bug。我的解决方案实际上是有效的；我只是不确定我是否正确地转义了 Java 字符串和正则表达式中的所有内容。 - rici