java - 正则表达式；反向引用字符集中不匹配的字符

Question

我想构造一个正则表达式，匹配 ' 或 " 然后匹配其他字符，以 ' 或 " 分别匹配，具体取决于开始时遇到的情况。所以这个问题看起来很简单，可以在最后使用反向引用来解决；下面是一些正则表达式代码(它是在 Java 中，所以请注意额外的转义字符，例如 " 之前的 \):

private static String seekerTwo = "(['\"])([a-zA-Z])([a-zA-Z0-9():;/`\\=\\.\\,\\- ]+)(\\1)";

此代码将成功处理诸如以下的事情:

"hello my name is bob"
'i live in bethnal green'

当我有这样一个字符串时，麻烦就来了:

"hello this seat 'may be taken' already"

在遇到 ' 时使用上面的正则表达式将在初始部分失败，然后它将继续并成功匹配 'may be taken'...但这是显然不够，我需要匹配整个String。

我在想的是，我需要一种方法来忽略在第一组中不匹配的引号类型，方法是将其作为字符包含在第三组的字符集中。但是，我知道没有办法做到这一点。是否有某种偷偷摸摸的 NOT 反向引用函数之类的？我可以用来引用第一组中不匹配的字符的东西？或者以其他方式解决我的困境？

Answer 1

这可以使用负数 lookahead assertions 来完成.以下解决方案甚至考虑到您可以在字符串中转义引号:

(["'])(?:\\.|(?!\1).)*\1

解释:

(["'])    # Match and remember a quote.
(?:       # Either match...
 \\.      # an escaped character
|         # or
 (?!\1)   # (unless that character is identical to the quote character in \1)
 .        # any character
)*        # any number of times.
\1        # Match the corresponding quote.

这正确匹配 "hello this seat 'may be taken' already" 或 "hello this seat\"may be taken\"already"。

在 Java 中，所有反斜杠:

Pattern regex = Pattern.compile(
    "([\"'])   # Match and remember a quote.\n" +
    "(?:       # Either match...\n" +
    " \\\\.    # an escaped character\n" +
    "|         # or\n" +
    " (?!\\1)  # (unless that character is identical to the matched quote char)\n" +
    " .        # any character\n" +
    ")*        # any number of times.\n" +
    "\\1       # Match the corresponding quote", 
    Pattern.COMMENTS);