PHP：正則表達式忽略引號內的轉義引號

Question

我在發布之前查看了相關問題，但我無法修改任何相關答案以使用我的方法（不擅長正則表達式）。

基本上，這是我現有的線路：

$code = preg_replace_callback( '/"(.*?)"/', array( &$this, '_getPHPString' ), $code );

$code = preg_replace_callback( "#'(.*?)'#", array( &$this, '_getPHPString' ), $code );

它們都匹配包含在''和""之間''字符串。 我需要正則表達式來忽略它們之間包含的轉義引號。 因此''之間''數據將忽略\\'而""之間的數據將忽略\\" 。

任何幫助將不勝感激。

Answer 1

對於大多數字符串，您需要允許轉義任何內容（不僅僅是轉義引號）。 例如，您很可能需要允許像"\\n"和"\\t"這樣的轉義字符，當然還有轉義符： "\\\\" 。

這是一個常見問題，很久以前就已解決（和優化）。 Jeffrey Friedl 在他的經典著作《 掌握正則表達式（第 3 版）》中（作為示例）深入探討了這個問題。 這是您正在尋找的正則表達式：

好的：

"([^"\\\\]|\\\\.)*"
版本 1：工作正常但效率不高。

更好的：

"([^"\\\\]++|\\\\.)*"或"((?>[^"\\\\]+)|\\\\.)*"
版本 2：如果您有所有格量詞或原子組，效率會更高（請參閱：使用原子組方法的 sin 正確答案）。

最好的事物：

"[^"\\\\]*(?:\\\\.[^"\\\\]*)*"
版本 3：效率更高。 實現 Friedl 的： “展開循環”技術。 不需要所有格或原子組（即這可以在 Javascript 和其他功能較少的正則表達式引擎中使用。）

以下是雙引號和單引號子字符串的 PHP 語法中推薦的正則表達式：

$re_dq = '/"[^"\\\\]*(?:\\\\.[^"\\\\]*)*"/s';
$re_sq = "/'[^'\\\\]*(?:\\\\.[^'\\\\]*)*'/s";

Answer 2

試試這樣的正則表達式：

'/"(\\\\[\\\\"]|[^\\\\"])*"/'

一個（簡短的）解釋：

"                 # match a `"`
(                 # open group 1
  \\\\[\\\\"]     #   match either `\\` or `\"`
  |               #   OR
  [^\\\\"]        #   match any char other than `\` and `"`
)*                # close group 1, and repeat it zero or more times
"                 # match a `"`

以下片段：

<?php
$text = 'abc "string \\\\ \\" literal" def';
preg_match_all('/"(\\\\[\\\\"]|[^\\\\"])*"/', $text, $matches);
echo $text . "\n";
print_r($matches);
?>

產生：

abc "string \\ \" literal" def
Array
(
    [0] => Array
        (
            [0] => "string \\ \" literal"
        )

    [1] => Array
        (
            [0] => l
        )

)

正如您在Ideone 上看到的那樣。

Answer 3

這有可能：

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

/'(?>(?:(?>[^'\\\\]+)|\\\\.)*)'/

Answer 4

基於一些粗略的基准測試，這似乎與展開循環一樣快，但更容易閱讀和理解。 它首先不需要任何回溯。

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

Answer 5

這將把引號留在外面

(?<=['"])(.*?)(?=["'])

並使用global /g 將匹配所有組

Answer 6

根據W3資源： https : //www.w3.org/TR/2010/REC-xpath20-20101214/#doc-xpath-StringLiteral

一般的正則表達式是：

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

(+捕獲組第一次檢查時不需要加反斜杠)

解釋：

• "..."引號之間的任何匹配
• (...)*內部可以有從 0 到 Infinity 的任意長度
• \\\\.|[^"]首先接受任何后面有斜杠的字符 | (或) 然后接受任何不是引號的字符

PHP 版本的正則表達式具有更好的分組功能，可以更好地處理Any Quotes可以是這樣的：

<?php
    $str='"First \\" \n Second" then \'This \\\' That\'';
    echo $str."\n";
    // "First \" \n Second" then 'This \' That'

    $RX_inQuotes='/"((\\\\.|[^"])*)"/';
    preg_match_all($RX_inQuotes,$str,$r,PREG_SET_ORDER);
    echo $r[0][1]."\n";
    // First \" \n Second

    $RX_inAnyQuotes='/("((\\\\.|[^"])*)")|(\'((\\\\.|[^\'])*)\')/';
    preg_match_all($RX_inAnyQuotes,$str,$r,PREG_SET_ORDER);
    echo $r[0][2]." --- ".$r[1][5];
    // First \" \n Second --- This \' That
?>

試試看： http : //sandbox.onlinephpfunctions.com/code/4328cc4dfc09183f7f1209c08ca5349bef9eb5b4

重要提示：在這個時代，對於不確定的內容，您必須在正則表達式的末尾使用u標志，如/.../u以避免破壞multi-byte字符串（如UTF-8 ）或函數（如mb_ereg_match ） 。