C# 文件 gettext-string 正则表达式解析器

Question

简短问题

让我们有一个正则表达式，它读取双引号内的字符串。该字符串仅当内部没有双引号时才有效。

("([^"]+)")

如何编写一个正则表达式，它具有相同的功能，但也适用于带有双引号且前面带有斜杠的字符串？

"Valid string"      //VALID
"Valid \"string\""  //VALID
"Invalid " + "string"  //INVALID
"Invalid " + "\"string\""  //INVALID

长问题

我正在构建自己的 gettext 实现 - 我发现官方 gettext 应用程序 ( http://www.gnu.org/s/gettext/ ）不足以满足我的需求。

这意味着我需要自己查找每个 C# 代码文件中的所有字符串，但只查找那些作为唯一参数传递给特定函数的字符串。

我构建了一个获取大部分字符串的正则表达式。 Translate 函数是公共的、静态的，位于命名空间 GetTextLocalization 和 Localization 类中。

(GetTextLocalization\.)?(Localization\.Translate)\("([^"]+)"\)

当然，这只会找到单独的字符串，而不会找到任何带有逐字字符的字符串。如果字符串参数作为操作传递（“字符串 a”+“字符串 b”）或以逐字开头（@“逐字字符串”），则它将不会解析，但这不是问题。

正则表达式定义：

([^"]+)

表示字符串内不能有双引号，并且我知道公司中没有人在将字符串传递到参数中时以某种方式连接该字符串。尽管如此，我仍然需要将这种结构作为安全“假设”措施。

但这也导致了问题。双引号实际上可以在那里。

Localization.Translate("Perfectly valid String with \"double quotes\"")

我需要更改正则表达式，以便它将包含带双引号的字符串（因此我跳过像 Translate("a" + "b") 这样的内容，这会扰乱翻译目录）但只有那些前面有斜杠的。

我想我可能需要以某种方式使用这个（？！）分组结构，但我不知道把它放在哪里。

Answer 1

由于您可能希望在引号前允许使用双反斜杠，因此我建议

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

解释：

"        # Match "
(?:      # Either match
 \\.     # an escaped character
|        # or
 [^"\\]  # any character except " or \
)*       # any number of times.
"        # Match "

这与 "hello"、"hello\"there" 或"hello\\" 但在 "hello"there" 或 "hello\\"there" 上失败。