正则表达式匹配嵌套的 json 对象

Question

我正在实现某种解析器，我需要定位和反序列化嵌入到其他半结构化数据中的json 对象。 我使用了正则表达式：

\\{\\s*title.*?\\}

定位对象

{title:'Title'}

但它不适用于嵌套对象，因为表达式只匹配第一个找到的右大括号。 为了

{title:'Title',{data:'Data'}}

它匹配

{title:'Title',{data:'Data'}

所以字符串对于反序列化无效。 我知道考虑到贪婪的业务，但我不熟悉正则表达式。 你能帮我扩展表达式以使用所有可用的右大括号吗？

更新：

需要明确的是，这是一种尝试从 HTML+JS 等带有嵌入 JSON 的半结构化数据中提取 JSON 数据的尝试。 我正在使用 GSon JAVA lib 来实际解析提取的 JSON。

Answer 1

正如其他人所建议的那样，一个成熟的 JSON 解析器可能是要走的路。 如果要匹配上面简单示例中的键值对，可以使用：

(?<=\{)\s*[^{]*?(?=[\},])

对于输入字符串

{title:'Title',  {data:'Data', {foo: 'Bar'}}}

这匹配：

 1. title:'Title'
 2. data:'Data'
 3. foo: 'Bar'

Answer 2

这个递归 Perl/PCRE 正则表达式应该能够匹配任何有效的 JSON 或 JSON5 对象，包括嵌套对象和边缘情况，例如 JSON 字符串或 JSON5 注释中的大括号：

/(\{(?:(?>[^{}"'\/]+)|(?>"(?:(?>[^\\"]+)|\\.)*")|(?>'(?:(?>[^\\']+)|\\.)*')|(?>\/\/.*\n)|(?>\/\*.*?\*\/)|(?-1))*\})/

当然，这有点难读，所以你可能更喜欢评论版本：

m{
  (                               # Begin capture group (matching a JSON object).
    \{                              # Match opening brace for JSON object.
    (?:                             # Begin non-capturing group to contain alternations.
      (?>[^{}"'\/]+)                  # Match a non-empty string which contains no braces, quotes or slashes, without backtracking.
    |                               # Alternation; next alternative follows.
      (?>"(?:(?>[^\\"]+)|\\.)*")      # Match a double-quoted JSON string, without backtracking.
    |                               # Alternation; next alternative follows.
      (?>'(?:(?>[^\\']+)|\\.)*')      # Match a single-quoted JSON5 string, without backtracking.
    |                               # Alternation; next alternative follows.
      (?>\/\/.*\n)                    # Match a single-line JSON5 comment, without backtracking.
    |                               # Alternation; next alternative follows.
      (?>\/\*.*?\*\/)                 # Match a multi-line JSON5 comment, without backtracking.
    |                               # Alternation; next alternative follows.
      (?-1)                           # Recurse to most recent capture group, to match a nested JSON object.
    )*                              # End of non-capturing group; match zero or more repetitions of this group.
    \}                              # Match closing brace for JSON object.
  )                               # End of capture group (matching a JSON object).
}x

Answer 3

感谢@Sanjay T. Sharma 指出我“大括号匹配”，因为我最终对贪婪的表达有了一些了解，也感谢其他人最初说我不应该做什么。 幸运的是，结果证明可以使用表达式的贪婪变体

\\{\s*title.*\\}

因为右括号之间没有非 JSON 数据。

Answer 4

这绝对太可怕了，我不敢相信我真的把我的名字放在了这个解决方案中，但是你能不能找到 Javascript 块中的第一个{字符并尝试通过适当的 JSON 解析库解析剩余的字符？ 如果它有效，你就有一个匹配。 如果没有，请继续阅读直到下一个{字符并重新开始。

那里有一些问题，但它们可能可以解决：

• 您需要能够识别 Javascript 块。 大多数语言都有 HTML 到 DOM 库（我是Cyber​​neko for Java 的忠实粉丝），这使得专注于<script>...</script>块变得容易。
• 您的 JSON 解析库需要在发现错误后立即停止使用流中的字符，并且在发生错误时不需要关闭流。

一个改进是，一旦你找到第一个{ ，寻找匹配的}一个（一个简单的计数器，当你找到一个{时递增，当你找到一个}时递减}应该可以解决问题。 尝试将结果字符串解析为 JSON。 迭代直到它工作或者你用完了可能的块。

这是丑陋的，骇人听闻的，永远不应将其用于生产代码。 不过，我的印象是您只需要在批处理作业中使用它，这就是我什至建议它的原因。