按空格拆分字符串，保留引号内的部分，允许转义引号。

Question

我目前有一个正则表达式，可以通过所有空格来分隔字符串，除非它在引号段内：

keywords = 'pop rock "hard rock"';
keywords = keywords.match(/\w+|"[^"]+"/g);
console.log(keywords); // [pop, rock, "hard rock"]

然而，我也希望关键字中可以包含引号，就像这样：

keywords = 'pop rock "hard rock" "\"dream\" pop"';

这应该返回什么。

[pop, rock, "hard rock", "\"dream\" pop"]

最简单的方法是什么？

- Blaise

Answer 1

你可以将你的正则表达式更改为：

keywords = keywords.match(/\w+|"(?:\\"|[^"])+"/g);

你使用的是(?:\\"|[^"])+而不是[^"]+，它允许出现\"或其他字符，但不允许未转义的引号。

需要注意的是，如果你想让字符串包含一个斜杠，应该写成：

keywords = 'pop rock "hard rock" "\\"dream\\" pop"'; //note the escaped slashes.

此外，\w+和[^"]+之间存在轻微的不一致性 - 例如，它将匹配单词"ab*d"，但不匹配没有引号的ab*d。考虑改用[^"\s]+，这将匹配非空格字符。

- Kobi

---

我建议您使用 \\. 而不是 \\"，因为反斜杠也可以被转义，您不会想错过 "foo\\\\"。 - Tim Pietzcker

考虑这个问题：在字符串"\\" "foo"（为了更清楚只有两个反斜杠），第一个"将与正则表达式开头的字面上的 "匹配。然后，[^"]将匹配第一个 \。剩下的 \" 将被 \\" 匹配（因为它先出现在选择中）。然后， [^"]将匹配空格和正则表达式末尾的 "将匹配 "foo" 的开头引号，从而破坏解析。 - Tim Pietzcker

它的工作方式就像应该的一样。"(?:\"|[^"])+ 这个应该是不言自明的"<其实并不是;-)，我以前从未在正则表达式中使用过这个，我的同事不得不向我解释。"考虑使用 [^"\s]+ 代替" <这是我已经调整过的东西。感谢您的帮助！ - Blaise

@Kobi 说得好。对于相关人员，我已经在正则表达式前面添加了(?<!\\)(?:\\\\)*。也就是说，不以反斜杠开头，然后必须有偶数个反斜杠（即转义的反斜杠）。换句话说，开头的引号必须由0、2、4、6等数量的反斜杠作为前缀，否则（即1、3等数量的反斜杠）我们将不认为它是开头的引号。 - Timo

在JavaScript中，如果您不想使用引号，您可以只使用keywords = keywords.match(/\w+|"(?:\\"|[^"])+"/g).map((a) -> if a.match(/".+"/g) then a.slice(1, -1) else a)。这不是纯正则表达式，但仍然不需要JavaScript尚未具备的功能：正则表达式后顾。 - Gustavo6046

Answer 2

ES6解决方案支持：

• 除引号内部分外，按空格拆分
• 去除引号，但不包括反斜杠转义的引号
• 转义引号变成引号
• 引号可以放置在任何位置

代码：

keywords.match(/\\?.|^$/g).reduce((p, c) => {
        if(c === '"'){
            p.quote ^= 1;
        }else if(!p.quote && c === ' '){
            p.a.push('');
        }else{
            p.a[p.a.length-1] += c.replace(/\\(.)/,"$1");
        }
        return  p;
    }, {a: ['']}).a

输出：

[ 'pop', 'rock', 'hard rock', '"dream" pop' ]

- Tsuneo Yoshioka

---

你的代码真的很难读，但它能够正常工作，而且正是我所需要的。 - Christian Ivicevic

这个有效并且消除了引号，这正是我所需要的；虽然阅读起来有些困难，但我同意。 - user.friendly

这个正则表达式会吞掉换行符(\n)，但是通过添加s修饰符(/\\?.|^$/gs)可以很容易地修复它。 - undefined

Answer 3

如果Kobi的答案对于示例字符串有效，但是当在引号之间有多个连续的转义字符（反斜杠）时，它就无法正常工作，正如Tim Pietzcker在评论中注意到的那样。为了处理这些情况，可以这样编写模式（对于匹配方法）:

(?=\S)[^"\s]*(?:"[^\\"]*(?:\\[\s\S][^\\"]*)*"[^"\s]*)*

演示

(?=\S) 确保当前位置至少有一个非空格字符，因为接下来描述的所有允许的子串 （包括引号之间的空格） 都是可选的。

详情:

(?=\S)   # followed by a non-whitespace
[^"\s]*  #"# zero or more characters that aren't a quote or a whitespace
(?: # when a quoted substring occurs:
    "       #"# opening quote
    [^\\"]* #"# zero or more characters that aren't a quote or a backslash
    (?: # when a backslash is encountered:
        \\ [\s\S] # an escaped character (including a quote or a backslash)
        [^\\"]* #"#
    )*
    "         #"# closing quote
    [^"\s]*   #"#
)*

- Casimir et Hippolyte

---

你能否在简单的英语中添加每个部分的意图？ - Timo

@Timo：我添加了模式细节。 - Casimir et Hippolyte

这个代码可以工作并且保留引号，正如我认为提问者所要求的那样。 - user.friendly

这个很好用！但是如果我想让它也适用于单引号怎么办？ - RedGuy11

Answer 4

我想指出我和你使用了相同的正则表达式，

/\w+|"[^"]+"/g

但是它在空引号字符串上没有起作用，例如：

"" "hello" "" "hi"

所以我不得不将+量词更改为*。 这给了我：

str.match(/\w+|"[^"]*"/g);

这很好。

(例如：https://regex101.com/r/wm5puK/1)

- neolectron