使用正则表达式解析复杂的字符串

Question

我的正则表达式技能不是很好，最近有一个新的数据元素使我的解析器陷入循环

取以下字符串

“ + USER =鲍勃·史密斯-GROUP = Admin + FUNCTION =读/功能=写”

以前，我的正则表达式具有以下特征：[+ \\\\-//]

这将结果变成

USER =鲍勃·史密斯
GROUP =管理员
FUNCTION =读取
FUNCTION =写入
FUNCTION =读取

但是现在我的值中带有破折号，这会导致输出错误

新字符串如下所示：“ + USER = Bob Smith-GROUP = Admin + FUNCTION = Read / FUNCTION = Write / FUNCTION = Read-Write”

这给了我以下结果，并打破了键=值结构。

USER =鲍勃·史密斯
GROUP =管理员
FUNCTION =读取
FUNCTION =写入
FUNCTION =读取
写

有人可以帮我制定一个有效的正则表达式来处理此问题，还是可以给我指出一些关键/值示例。 基本上，我需要能够处理+-/符号才能获得组合。

Answer 1

您没有指定要使用的正则表达式引擎，但是如果您先行/后行，则可以使用此功能。

它的前提是键都是大写的，而键值不是大的-不确定这是否是一个有效的假设，但是如果不是这样，则会使事情变得复杂和混乱。

(?<=[+-\/])[A-Z]+=(?:(?![A-Z]+=)[^=])+(?=[+-\/]|$)

这是我尝试解释的内容（不确定这多少有意义）：

(?x)         # enable regex comment mode
(?<=[+-\/])  # start with one of the delimiters, but excluded from match
[A-Z]+       # match one or more uppercase (for the key)
=            # match the equal sign

(?:          # start non-capturing group

  (?!          # start negative lookahead, to prevent keys matching
    [A-Z]+=      # a key and equals (since in negative lookahead, this is what we exclude)
  )            # end the negative lookahead
  [^=]         # match a character that's not =

)+           # end non-capturing group, match one or more times, until...

(?=[+-\/]|$) # next char must be delimiter or end of line for match to succeed

对于Java string-> regex，反斜杠需要转义（如果有引号，也要转引）：

Pattern p = Pattern.compile("(?<=[+-\\/])[A-Z]+=(?:(?![A-Z]+=)[^=])+(?=[+-\\/]|$)");

如果需要捕获组，只需在适当的部分添加括号：

Pattern p = Pattern.compile("(?<=[+-\\/])([A-Z]+)=((?:(?![A-Z]+=)[^=])+(?=[+-\\/]|$))");

匹配的部分将其变成换行符分隔的文本，类似于...

Matcher m = p.Matcher( InputText );
StringBuffer Result = new StringBuffer("");

while ( m.find() )
{
   Result.append( m.Group() + "\n" );
}

Answer 2

根据您的第二个示例，此正则表达式： (\\w+)=([\\w|-|\\s]+)返回以下结果：

USER=Bob Smith
GROUP=Admin
FUNCTION=Read
FUNCTION=Write
FUNCTION=Read-Write

括号为每个元素提供了分组，因此每个匹配项将包含两个组，第一个将具有=之前的部分（因此USER，GROUP，FUNCTION），第二个将具有值（Bob Smith，Admin，Read，Write，读写）

您也可以命名组，如果这样可以更容易：

(?<funcrion>\w+)=(?<value>[\w|-|\s]+)  

或者，如果您不在乎这些组，则可以完全删除括号

\w+=[\w|-|\s]+

Answer 3

另一个选择是，如果您的键集有限，则可以匹配：

(?<=[+-\\/])(USER|GROUP|FUNCTION)=[^=]+(?=$|[+-\\/](?:USER|GROUP|FUNCTION))

在Java中，我可能会这样实现：

String Key = "USER|GROUP|FUNCTION" ;
String Delim = "[+-\\/]";
Pattern p = Pattern.compile("(?<="+Delim+")("+Key+")=[^=]+(?=$|"+Delim+"(?:"+Key+"))");

这依赖于例如“ Write”不是有效的密钥（并且如果您可以强制将密钥的大小写为“ write”或“ WRITE”，那么这将起作用）。

匹配的部分将其变成换行符分隔的文本，类似于...

Matcher m = p.Matcher( InputText );
StringBuffer Result = new StringBuffer("");

while ( m.find() )
{
   Result.append( m.Group() + "\n" );
}

Answer 4

如果您用可能出现在值中的字符来分隔字段，则很麻烦。

假设您收到类似以下的字符串：

one=a-two=b-three=c-d-four=e

那应该解析成这个吗？

one=a
two=b
three=c-d
four=e

还是应该解析成这个？

one=a
two=b
three=c
d-four=e

你怎么知道的？ 您决定这个的依据是什么？