使用.NET正则表达式解析引号之间的文本

Question

我有以下输入文本：

@"This is some text @foo=bar @name=""John \""The Anonymous One\"" Doe"" @age=38"

我希望解析@name=value语法的值，作为名称/值对。 解析前面的字符串应该会得到以下命名捕获：

name:"foo"
value:"bar"

name:"name"
value:"John \""The Anonymous One\"" Doe"

name:"age"
value:"38"

我尝试了以下正则表达式，几乎达到了目的：

@"(?:(?<=\s)|^)@(?<name>\w+[A-Za-z0-9_-]+?)\s*=\s*(?<value>[A-Za-z0-9_-]+|(?="").+?(?=(?<!\\)""))"

主要问题是它在"John \""The Anonymous One\"" Doe"中捕获了开头的引号。我觉得这应该是一个回顾而不是前瞻，但那似乎根本不起作用。

以下是表达式的一些规则：

- 名称必须以字母开头，可以包含任何字母、数字、下划线或连字符。 - 未引用的值必须至少有一个字符，可以包含任何字母、数字、下划线或连字符。 - 引用的值可以包含任何字符，包括任何空格和转义引号。

编辑：

这里是regex101.com的结果：

(?:(?<=\s)|^)@(?<name>\w+[A-Za-z0-9_-]+?)\s*=\s*(?<value>(?<!")[A-Za-z0-9_-]+|(?=").+?(?=(?<!\\)"))

(?:(?<=\s)|^) Non-capturing group
@ matches the character @ literally
(?<name>\w+[A-Za-z0-9_-]+?) Named capturing group name
\s* match any white space character [\r\n\t\f ]
= matches the character = literally
\s* match any white space character [\r\n\t\f ]
    Quantifier: * Between zero and unlimited times, as many times as possible, giving back as needed [greedy]
(?<value>(?<!")[A-Za-z0-9_-]+|(?=").+?(?=(?<!\\)")) Named capturing group value
    1st Alternative: [A-Za-z0-9_-]+
        [A-Za-z0-9_-]+ match a single character present in the list below
            Quantifier: + Between one and unlimited times, as many times as possible, giving back as needed [greedy]
            A-Z a single character in the range between A and Z (case sensitive)
            a-z a single character in the range between a and z (case sensitive)
            0-9 a single character in the range between 0 and 9
            _- a single character in the list _- literally
    2nd Alternative: (?=").+?(?=(?<!\\)")
        (?=") Positive Lookahead - Assert that the regex below can be matched
            " matches the characters " literally
        .+? matches any character (except newline)
            Quantifier: +? Between one and unlimited times, as few times as possible, expanding as needed [lazy]
        (?=(?<!\\)") Positive Lookahead - Assert that the regex below can be matched
            (?<!\\) Negative Lookbehind - Assert that it is impossible to match the regex below
                \\ matches the character \ literally
            " matches the characters " literally

- Anthony Grescavage

---

你考虑过使用 JSON 吗？ - yazanpro

您IP地址为143.198.54.68，由于运营成本限制，当前对于免费用户的使用频率限制为每个IP每72小时10次对话，如需解除限制，请点击左下角设置图标按钮（手机用户先点击左上角菜单按钮）。 - Alexei Levenkov

JSON不是一个选项。这不是针对SQL或任何已有解析器的现有技术。这是一个非常特定的用例。 - Anthony Grescavage

Answer 1

你可以使用一个非常实用的.NET正则表达式功能，允许多个同名捕获。另外，你的(?<name>)捕获组存在问题：它允许数字出现在第一位，这不符合你的第一个要求。

所以，我建议：

(?si)(?:(?<=\s)|^)@(?<name>\w+[a-z0-9_-]+?)\s*=\s*(?:(?<value>[a-z0-9_-]+)|(?:"")?(?<value>.+?)(?=(?<!\\)""))

查看 demo

请注意，您无法在regex101.com上调试特定于.NET的正则表达式，您需要在符合.NET的环境中测试它们。

- Wiktor Stribiżew

---

此时我唯一不理解的是为什么表达式的最后一部分在原始代码中没有起作用。如果我使用字面引号，它将捕获表达式（包括我不想要的引号）。如果我使用了向后查找，则该表达式将在孤立使用时被捕获，但在添加到完整表达式时将不起作用。我归咎于我对向后查找功能的缺乏了解，但我并不确定。任何额外的知识在教育方面都会很有用。 - Anthony Grescavage

我倾向于使用Regex Hero进行快速在线测试。它基于Silverlight，因此作为快速而简单的测试手段相当可靠。 - Anthony Grescavage

Regexstorm也不错，我测试过两个，我也使用Expresso。 - Wiktor Stribiżew

我还修正了名称捕获部分，使其看起来像 (?<name>[a-z][a-z0-9_-]*?)。 - Anthony Grescavage

非常感谢大家的帮助，你们真是太棒了。 - Anthony Grescavage

Answer 2

使用字符串方法。 分割。

string myLongString = ""@"This is some text @foo=bar @name=""John \""The Anonymous One\"" Doe"" @age=38"

string[] nameValues = myLongString.Split('@');

从那里使用 Split 函数和 "=" 进行分割，或使用 IndexOf("=")。

- Mukus