正则表达式匹配不在引号内的所有实例

Question

来自此问题，我推断，匹配给定正则表达式的所有实例不在引号内是不可能的。也就是说，它无法匹配转义引号（例如：“应该采用整个\”match \“”）。如果有一种我不知道的方法可以解决我的问题。

但是，如果没有，我想知道是否有任何可以在 JavaScript 中使用的有效替代方案。我已经考虑了一下，但无法提供任何适用于大多数（如果不是全部）情况的优雅解决方案。

具体来说，我只需要使用 .split() 和 .replace() 方法的替代方法，但如果它可以更通用，那将是最好的。

例如：
输入字符串：
+bar+baz"not+or\"+or+\"this+"foo+bar+
将 + 替换为 #（不在引号内）将返回：
#bar#baz"not+or\"+or+\"this+"foo#bar#

Answer 1

实际上，您可以匹配不在任何字符串的引号内的正则表达式的所有实例，其中每个左引号再次闭合。假设，如上面的示例所示，您想要匹配 \+。

这里的关键观察是，如果一个单词后面有偶数个引号，则该单词位于引号之外。这可以建模为前瞻断言：

\+(?=([^"]*"[^"]*")*[^"]*$)

现在，您不希望计算转义引号。这变得有点复杂。您还需要考虑反斜杠并使用 [^"\\]*，而不是前进到下一个引号的 [^"]* 。到达反斜杠或引号后，如果遇到反斜杠，则需要忽略下一个字符，否则前进到下一个未转义的引号。看起来像 (\\.|"([^"\\]*\\.)*[^"\\]*")。综合起来，

\+(?=([^"\\]*(\\.|"([^"\\]*\\.)*[^"\\]*"))*[^"]*$)

我承认这有点神秘。 =)

Answer 2

阿兹米索夫，重新提出这个问题是因为您说您正在寻找可以在 JavaScript 中使用的任何有效替代方案以及任何适用于大多数（如果不是全部）情况的优雅解决方案 。

恰好有一个没有提到的简单、通用的解决方案。

与替代方案相比，此解决方案的正则表达式非常简单：

"[^"]+"|(\+)

其想法是我们匹配但忽略引号内的任何内容以中和该内容（在交替的左侧）。在右侧，我们捕获所有未中和到组 1 中的 +，并且替换函数检查组 1。以下是完整的工作代码：

<script>
var subject = '+bar+baz"not+these+"foo+bar+';
var regex = /"[^"]+"|(\+)/g;
replaced = subject.replace(regex, function(m, group1) {
    if (!group1) return m;
    else return "#";
});
document.write(replaced);

在线演示

可以用同样的原理进行匹配或拆分。请参阅参考文献中的问题和文章，其中还将为您提供代码示例。

希望这能让您对一种非常通用的方法有不同的想法。 :)

空字符串怎么样？

以上是展示该技术的一般答案。它可以根据您的具体需求进行调整。如果您担心文本可能包含空字符串，只需将字符串捕获表达式中的量词从 + 更改为 *：

"[^"]*"|(\+)

请参阅 演示。

转义引号怎么样？

同样，上面是展示该技术的一般答案。不仅可以根据您的需求优化“忽略此匹配”正则表达式，您还可以添加多个要忽略的表达式。例如，如果您想确保转义引号被充分忽略，您可以首先在其他两个前面添加一个替换 \\"| ，以便匹配（并忽略）散乱的转义双精度 接下来，

在捕获双引号字符串内容的 "[^"]*" 部分中，您可以添加一个替换以确保转义的双引号在其 "< 之前匹配。 /code> 有机会变成结束语哨兵，将其转换为 "(?:\\"|[^"])*"

生成的表达式具有三个分支：

1. \\" 进行匹配，以及 忽略
2. "(?:\\"|[^"])*" 进行匹配，忽略
3. (\+) 进行匹配匹配，捕获和处理

请注意，在其他正则表达式风格中，我们可以使用lookbehind可以更轻松地完成这项工作，但JS不支持它。

完整的正则表达式变为：

\\"|"(?:\\"|[^"])*"|(\+)

请参阅 正则表达式演示 和 完整脚本。

参考

1. 如何匹配除 s1、s2、s3 情况之外的模式
2. 如何匹配模式，除非...

Answer 3

您可以分三步完成。

1. 使用正则表达式全局替换将所有字符串主体内容提取到侧表中。
2. 进行逗号翻译
3. 使用正则表达式全局替换将字符串主体交换回

下面的代码

// Step 1
var sideTable = [];
myString = myString.replace(
    /"(?:[^"\\]|\\.)*"/g,
    function (_) {
      var index = sideTable.length;
      sideTable[index] = _;
      return '"' + index + '"';
    });
// Step 2, replace commas with newlines
myString = myString.replace(/,/g, "\n");
// Step 3, swap the string bodies back
myString = myString.replace(/"(\d+)"/g,
    function (_, index) {
      return sideTable[index];
    });

如果您在设置后运行它

myString = '{:a "ab,cd, efg", :b "ab,def, egf,", :c "Conjecture"}';

，您应该得到

{:a "ab,cd, efg"
 :b "ab,def, egf,"
 :c "Conjecture"}

它的工作原理，因为在步骤 1 之后，

myString = '{:a "0", :b "1", :c "2"}'
sideTable = ["ab,cd, efg", "ab,def, egf,", "Conjecture"];

myString 中唯一的逗号是外部字符串。步骤2，然后将逗号变成换行符：

myString = '{:a "0"\n :b "1"\n :c "2"}'

最后我们将仅包含数字的字符串替换为其原始内容。

Answer 4

尽管 zx81 的答案似乎是性能最好且干净的答案，但它需要这些修复才能正确捕获转义的引号：

var subject = '+bar+baz"not+or\\"+or+\\"this+"foo+bar+';

以及

var regex = /"(?:[^"\\]|\\.)*"|(\+)/g;

已经提到的“group1 === undefined”或“!group1”。
特别是 2. 似乎很重要，实际上要考虑到原始问题中提出的所有问题。

应该指出的是，此方法隐式要求字符串在未转义的引号对之外没有转义的引号。