RegEx: การจับค่าระหว่างเครื่องหมายคำพูด

ฉันมีค่าเช่นนี้

"Foo Bar" "Another Value" something else

regex ใดที่จะส่งคืนค่าที่อยู่ในเครื่องหมายคำพูด (เช่นFoo BarและAnother Value)

ฉันใช้สิ่งต่อไปนี้กับความสำเร็จที่ยิ่งใหญ่:

(["'])(?:(?=(\\?))\2.)*?\1

สนับสนุนคำพูดซ้อนเช่นกัน

สำหรับผู้ที่ต้องการคำอธิบายที่ลึกซึ้งยิ่งขึ้นเกี่ยวกับวิธีการทำงานนี่คือคำอธิบายจากผู้ใช้ephemient :

([""'])ตรงกับคำพูด; ((?=(\\?))\2.)หากมีแบ็กสแลชอยู่ให้กลืนมันและตรงกับตัวละครหรือไม่ *?จับคู่หลายครั้ง (ไม่ใช่ตะกละตะกลามไม่กินคำพูดปิด); \1ตรงกับคำพูดเดียวกับที่ใช้สำหรับเปิด

โดยทั่วไปแฟรกเมนต์นิพจน์ทั่วไปต่อไปนี้คือสิ่งที่คุณกำลังมองหา:

"(.*?)"

สิ่งนี้ใช้ความโลภ * หรือไม่? ผู้ประกอบการที่จะจับทุกอย่างถึง แต่ไม่รวมถึงคำพูดสองครั้งต่อไป จากนั้นคุณใช้กลไกเฉพาะภาษาเพื่อแยกข้อความที่ตรงกัน

ใน Python คุณสามารถทำได้:

>>> import re
>>> string = '"Foo Bar" "Another Value"'
>>> print re.findall(r'"(.*?)"', string)
['Foo Bar', 'Another Value']

ฉันจะไปเพื่อ:

"([^"]*)"

[^ "]เป็น regex สำหรับตัวอักษรใด ๆ ยกเว้น ' " '
เหตุผลที่ผมใช้นี้มากกว่าผู้ประกอบการจำนวนมากที่ไม่โลภคือว่าผมต้องให้มองว่าขึ้นเพียงเพื่อให้แน่ใจว่าฉันได้รับมันถูกต้อง

ให้ดูสองวิธีที่มีประสิทธิภาพที่จัดการกับคำพูดที่หลบหนี รูปแบบเหล่านี้ไม่ได้ออกแบบมาให้รัดกุมหรือสวยงาม แต่มีประสิทธิภาพ

วิธีการเหล่านี้ใช้การแบ่งแยกอักขระตัวแรกเพื่อค้นหาอัญประกาศอย่างรวดเร็วในสตริงโดยไม่มีค่าใช้จ่ายของการสลับ (ความคิดคือการทิ้งอักขระที่ไม่ได้อ้างอิงอย่างรวดเร็วโดยไม่ต้องทดสอบทั้งสองสาขาของการสลับ)

เนื้อหาระหว่างเครื่องหมายคำพูดจะอธิบายด้วยการวนซ้ำที่ไม่ได้ควบคุม (แทนที่จะสลับซ้ำ) เพื่อให้มีประสิทธิภาพมากขึ้นเช่นกัน: [^"\\]*(?:\\.[^"\\]*)*

เห็นได้ชัดว่าการจัดการกับสตริงที่ไม่มีคำพูดที่สมดุลคุณสามารถใช้ปริมาณที่เป็นเจ้าของแทน: [^"\\]*+(?:\\.[^"\\]*)*+หรือวิธีแก้ปัญหาเพื่อเลียนแบบพวกเขาเพื่อป้องกันไม่ให้ย้อนกลับมากเกินไป คุณสามารถเลือกได้เช่นกันว่าชิ้นส่วนที่ยกมาสามารถเป็นเครื่องหมายคำพูดเปิดจนกระทั่งคำพูดถัดไป (ไม่หนี) หรือจุดสิ้นสุดของสตริง ในกรณีนี้ไม่จำเป็นต้องใช้ปริมาณที่เป็นเจ้าของคุณจะต้องทำให้การเสนอราคาล่าสุดเป็นทางเลือก

แจ้งให้ทราบล่วงหน้า: บางครั้งคำพูดจะไม่หนีด้วยแบ็กสแลช แต่ด้วยการทำซ้ำคำพูด ในกรณีนี้รูปแบบย่อยเนื้อหาจะมีลักษณะดังนี้:[^"]*(?:""[^"]*)*

รูปแบบหลีกเลี่ยงการใช้ของกลุ่มที่จับและ backreference (ผมหมายถึงสิ่งที่ต้องการ(["']).....\1)และใช้การสลับที่เรียบง่าย แต่มี["']ที่จุดเริ่มต้นในปัจจัย

Perl ชอบ:

["'](?:(?<=")[^"\\]*(?s:\\.[^"\\]*)*"|(?<=')[^'\\]*(?s:\\.[^'\\]*)*')

(โปรดทราบว่า(?s:...)เป็นน้ำตาล syntactic เพื่อเปิดโหมด dotall / singleline ภายในกลุ่มที่ไม่ได้รับการสนับสนุนหากไม่รองรับไวยากรณ์นี้คุณสามารถเปิดโหมดนี้สำหรับรูปแบบทั้งหมดหรือเปลี่ยนจุดด้วย[\s\S])

(วิธีการเขียนรูปแบบนี้มีทั้งหมด "ขับเคลื่อนด้วยมือ" และไม่คำนึงถึงการเพิ่มประสิทธิภาพภายในของเครื่องยนต์ในที่สุด)

สคริปต์ ECMA:

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

ขยาย POSIX:

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

หรือเพียงแค่:

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

RegEx ของคำตอบที่ยอมรับผลตอบแทนค่ารวมทั้งเครื่องหมายคำพูด sourrounding ของพวกเขา"Foo Bar"และ"Another Value"เป็นแมตช์

นี่คือ RegEx ที่คืนค่าเฉพาะระหว่างเครื่องหมายคำพูด (ตามที่ผู้ถามถูกถาม):

เครื่องหมายคำพูดคู่เท่านั้น (ใช้ค่าของกลุ่มการจับ # 1):

"(.*?[^\\])"

คำพูดเดียวเท่านั้น (ใช้ค่าของกลุ่มการจับ # 1):

'(.*?[^\\])'

ทั้งสอง (ใช้ค่าของกลุ่มการดักจับ # 2):

(["'])(.*?[^\\])\1

-

การสนับสนุนทั้งหมดหนีออกมาและซ้อนคำพูด

โดยเฉพาะไม่มีคำตอบใด ๆ ที่สร้าง regex ที่การจับคู่คืนคือข้อความในเครื่องหมายคำพูดซึ่งเป็นสิ่งที่ถูกถาม MA-Madden พยายาม แต่ได้รับการจับคู่เป็นกลุ่มจับมากกว่าการแข่งขันทั้งหมด วิธีหนึ่งในการทำเช่นนั้นจริง ๆ คือ:

(?<=(["']\b))(?:(?=(\\?))\2.)*?(?=\1)

ตัวอย่างนี้สามารถเห็นได้ในการสาธิตนี้https://regex101.com/r/Hbj8aP/1

กุญแจสำคัญในที่นี้คือการมองในเชิงบวกที่จุดเริ่มต้น (the ?<=) และการมองที่เป็นบวกในตอนท้าย (the ?=) lookbehind กำลังมองหาตัวอักษรปัจจุบันเพื่อตรวจสอบคำพูดถ้าพบแล้วเริ่มจากตรงนั้นแล้ว lookahead กำลังตรวจสอบตัวอักษรล่วงหน้าเพื่อหาคำพูดและถ้าพบหยุดอยู่กับตัวละครนั้น กลุ่ม lookbehind (the ["']) ถูกห่อในวงเล็บเพื่อสร้างกลุ่มสำหรับคำพูดใด ๆ ที่พบในตอนเริ่มต้นจากนั้นจะถูกใช้ที่ lookahead ท้าย(?=\1)เพื่อให้แน่ใจว่าจะหยุดเมื่อพบคำพูดที่สอดคล้องกันเท่านั้น

ภาวะแทรกซ้อนอื่น ๆ เท่านั้นคือเนื่องจาก lookahead ไม่ได้ใช้อัญประกาศจริง ๆ มันจะพบได้อีกครั้งโดย lookbehind เริ่มต้นซึ่งทำให้ข้อความระหว่างสิ้นสุดและราคาเริ่มต้นในบรรทัดเดียวกันที่จะจับคู่ การวางขอบเขตของคำบนเครื่องหมายคำพูดเปิด ( ["']\b) ช่วยในเรื่องนี้ แต่โดยอุดมคติแล้วฉันต้องการเลื่อนผ่าน lookahead แต่ฉันไม่คิดว่าเป็นไปได้ บิตที่อนุญาตให้ตัวละครที่หลบหนีอยู่ตรงกลางฉันได้รับคำตอบจากอดัมโดยตรง

คำตอบที่ช้ามาก แต่ชอบที่จะตอบ

(\"[\w\s]+\")

http://regex101.com/r/cB0kB8/1

รูปแบบ(["'])(?:(?=(\\?))\2.)*?\1ข้างต้นทำหน้าที่ได้ แต่ฉันกังวลกับการแสดงของมัน (มันไม่ได้แย่ แต่น่าจะดีกว่า) การขุดด้านล่างมันเร็วกว่า ~ 20%

รูปแบบ"(.*?)"ไม่สมบูรณ์ คำแนะนำของฉันสำหรับทุกคนที่อ่านข้อความนี้ไม่ได้ใช้เลย !!!

ตัวอย่างเช่นมันไม่สามารถจับภาพสตริงจำนวนมาก (ถ้าจำเป็นฉันสามารถจัดทำกรณีทดสอบอย่างละเอียด) เช่นเดียวกับด้านล่าง:

$ string = 'สบายดีไหม ฉัน\'สบายดีขอบคุณ ';

ส่วนที่เหลือเป็นเพียง "ดี" ดังที่กล่าวข้างต้น

หากคุณสนใจทั้งในเรื่องประสิทธิภาพและความแม่นยำให้เริ่มจากด้านล่าง

/(['"])((\\\1|.)*?)\1/gm

ในการทดสอบของฉันมันครอบคลุมทุก ๆ สตริงที่ฉันพบ แต่ถ้าคุณพบบางสิ่งที่ไม่ทำงานฉันยินดีที่จะอัปเดตให้คุณ

ตรวจสอบรูปแบบของฉันในการทดสอบ regex ออนไลน์

ฉันชอบวิธีการแก้ปัญหาของ Eugen Mihailescuเพื่อจับคู่เนื้อหาระหว่างคำพูดในขณะที่อนุญาตให้หลีกเลี่ยงคำพูดได้ อย่างไรก็ตามฉันค้นพบปัญหาบางอย่างเกี่ยวกับการหลบหนีและเกิดขึ้นกับ regex ต่อไปนี้เพื่อแก้ไข:

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

มันใช้กลอุบายและยังคงง่ายและดูแลรักษาง่าย

การสาธิต (โดยมีกรณีทดสอบเพิ่มเติมให้ใช้และขยายตัวได้)

_{PS: หากคุณต้องการเนื้อหาระหว่างเครื่องหมายคำพูดในการแข่งขันเต็มรูปแบบ ( $0) และไม่กลัวการใช้บทลงโทษ:}

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

_{น่าเสียดายที่ไม่มีเครื่องหมายอัญประกาศเป็นจุดยึดฉันต้องเพิ่มขอบเขต\bซึ่งไม่สามารถเล่นได้ดีกับช่องว่างและอักขระที่ไม่ใช่คำหลังจากตัวอ้างอิงเริ่มต้น}

_{หรือแก้ไขเวอร์ชันเริ่มต้นโดยเพิ่มกลุ่มและแยกรูปแบบสตริง$2 :}

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

_{PPS: ถ้าโฟกัสของคุณเป็นเพียงที่มีต่อประสิทธิภาพไปกับการแก้ปัญหาเมียร์เอ Hippolyte ของ ; มันเป็นสิ่งที่ดี}

รุ่นนี้

• บัญชีสำหรับคำพูดที่หลบหนี

• ควบคุมการย้อนรอย

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

คำตอบเพิ่มเติม! นี่คือทางออกที่ฉันใช้

\"([^\"]*?icon[^\"]*?)\"

TLDR;
แทนที่ไอคอนคำด้วยสิ่งที่คุณมองหาในคำพูดและ voila!

วิธีการทำงานนี้คือการค้นหาคำหลักและไม่สนใจสิ่งอื่นระหว่างคำพูด EG:
id="fb-icon"
id="icon-close"
id="large-icon-close"
regex มองหาเครื่องหมายคำพูด"
จากนั้นจะมองหากลุ่มตัวอักษรที่เป็นไปได้ที่ไม่ได้"
จนกว่าจะพบicon
และกลุ่มตัวอักษรใด ๆ ที่เป็นไปได้ที่ไม่ใช่"
มันจะมองหาการปิด"

ฉันชอบเวอร์ชันที่กว้างขึ้นของ Axeman แต่มีปัญหาบางอย่างกับมัน (มันไม่ตรงกับตัวอย่าง

foo "string \\ string" bar

หรือ

foo "string1"   bar   "string2"

ถูกต้องดังนั้นฉันพยายามที่จะแก้ไข:

# opening quote
(["'])
   (
     # repeat (non-greedy, so we don't span multiple strings)
     (?:
       # anything, except not the opening quote, and not 
       # a backslash, which are handled separately.
       (?!\1)[^\\]
       |
       # consume any double backslash (unnecessary?)
       (?:\\\\)*       
       |
       # Allow backslash to escape characters
       \\.
     )*?
   )
# same character as opening quote
\1

string = "\" foo bar\" \"loloo\""
print re.findall(r'"(.*?)"',string)

ลองใช้งานได้ผลเหมือนเป็นเครื่องราง !!!

\ บ่งชี้อักขระข้าม

ต่างจากคำตอบของอดัมฉันมีวิธีง่าย ๆ แต่ใช้ได้:

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

และเพิ่มวงเล็บถ้าคุณต้องการรับเนื้อหาในเครื่องหมายคำพูดเช่นนี้:

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

จากนั้น$1จับคู่อัญประกาศและ$2จับคู่สตริงเนื้อหา

echo 'junk "Foo Bar" not empty one "" this "but this" and this neither' | sed 's/[^\"]*\"\([^\"]*\)\"[^\"]*/>\1</g'

ซึ่งจะส่งผลให้:> Foo Bar <> <> แต่นี่ <

ที่นี่ฉันแสดงสตริงผลลัพธ์ระหว่าง> <เพื่อความชัดเจนนอกจากนี้ยังใช้เวอร์ชันที่ไม่โลภด้วยคำสั่ง sed นี้ก่อนอื่นเราจะทิ้งขยะก่อนและหลังจากนั้น "" แล้วแทนที่ด้วยส่วนระหว่าง "" และล้อมสิ่งนี้โดย> <ของ

จาก Greg H. ฉันสามารถสร้าง regex นี้ให้เหมาะกับความต้องการของฉัน

ฉันต้องการจับคู่ค่าเฉพาะที่ผ่านการรับรองโดยอยู่ในเครื่องหมายคำพูด ต้องเป็นการจับคู่แบบเต็มไม่มีการจับคู่บางส่วนไม่สามารถเรียกการเข้าชม

เช่น "ทดสอบ" ไม่สามารถจับคู่กับ "test2"

reg = r"""(['"])(%s)\1"""
if re.search(reg%(needle), haystack, re.IGNORECASE):
    print "winning..."

ผู้ล่า

หากคุณพยายามค้นหาสตริงที่มีคำต่อท้ายบางตัวเท่านั้นเช่น dot syntax คุณสามารถลองทำสิ่งนี้:

\"([^\"]*?[^\"]*?)\".localized

.localizedคำต่อท้ายอยู่ที่ไหน

ตัวอย่าง:

print("this is something I need to return".localized + "so is this".localized + "but this is not")

มันจะจับ"this is something I need to return".localizedและแต่ไม่"so is this".localized"but this is not"

คำตอบเพิ่มเติมสำหรับชุดย่อยของตัวแปลงสัญญาณMicrosoft VBAใช้เพียงหนึ่งไลบรารีMicrosoft VBScript Regular Expressions 5.5และสิ่งนี้จะให้รหัสต่อไปนี้

Sub TestRegularExpression()

    Dim oRE As VBScript_RegExp_55.RegExp    '* Tools->References: Microsoft VBScript Regular Expressions 5.5
    Set oRE = New VBScript_RegExp_55.RegExp

    oRE.Pattern = """([^""]*)"""


    oRE.Global = True

    Dim sTest As String
    sTest = """Foo Bar"" ""Another Value"" something else"

    Debug.Assert oRE.test(sTest)

    Dim oMatchCol As VBScript_RegExp_55.MatchCollection
    Set oMatchCol = oRE.Execute(sTest)
    Debug.Assert oMatchCol.Count = 2

    Dim oMatch As Match
    For Each oMatch In oMatchCol
        Debug.Print oMatch.SubMatches(0)

    Next oMatch

End Sub

สำหรับฉันทำงานอันนี้:

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

ฉันใช้ในประโยคแบบนี้:

preg_match_all('|([\'"])(.*?)\1|i', $cont, $matches);

และมันก็ใช้งานได้ดี

คำตอบทั้งหมดข้างต้นนั้นดี .... ยกเว้นพวกเขาจะไม่รองรับตัวอักษรยูนิโค้ดทุกตัว! ที่สคริปต์ ECMA (Javascript)

หากคุณเป็นผู้ใช้ Node คุณอาจต้องการคำตอบที่ยอมรับแล้วซึ่งแก้ไขแล้วซึ่งรองรับอักขระ Unicode ทั้งหมด:

/(?<=((?<=[\s,.:;"']|^)["']))(?:(?=(\\?))\2.)*?(?=\1)/gmu

ลองที่นี่