0

我正在解析一个包含数据的文本文件。

无论何时是文本数据，数据都在引号内。例如：“这里的任何文字”

问题是在数据中我也可以有引号，但它们后面总是会跟着另一个引号。例如：“文本，他说“你好”“”

我尝试了以下方法，但没有成功：

  "(.+?)"(?!")

如何定义与该格式的文本数据匹配的正则表达式？

PS：不知道有没有帮助，但是每种类型的数据都用 ; 分隔

4

5 回答 5

1

试试这个正则表达式（未测试）：

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

编辑：（没有意识到你不想匹配引号本身）

(?<=")([^"]|"")*(?=")
于 2012-04-27T15:52:47.310 回答
1

参考我在这里发表的上一篇文章，您应该可以使用以下内容：

(?:\"[^\"]*?\")*
于 2012-04-27T16:17:02.280 回答
0

这只会在双引号上拆分，但它也会为您提供引号之外的数据 - 希望这会有所帮助

public static void main(String[] args) {
    // TODO code application logic here
    Pattern p = Pattern.compile("[\"]{2}");

    String[] result1 = 
             p.split("\"\"A01 A02\"\" \"\"B01 B02\"\"");
    for (int i=0; i<result1.length; i++)
        System.out.printf("DATA: ]]%s[[\n", result1[i]);
    String[] result3 = 
             p.split("\"\"A21 \" A22\"\" STUFF \"\"B21 B22\"\"");
    for (int i=0; i<result3.length; i++)
        System.out.printf("DATA: ]]%s[[\n", result3[i]);       
}
于 2012-04-27T16:14:47.730 回答
0

我可以确定，有一个字符，它不是消息的一部分，比如~，你可以用 ~ 替换“”，进行匹配，最后转换~回""。

text.replaceAll ("\"\"", "~").
     replaceAll ("(\"[^\"]+)", "($1)").
     replaceAll ("~", "\"\"")

理论上。

实际上，我得到了开头和结尾匹配的引号，所以这个文本：

echo 'asdf " I say ""hello"" " foo " you say ""goodbye"" "baz'

被翻译成：

echo 'asdf (" I say ""hello"" )(" foo )(" you say ""goodbye"" )("baz' )

我找不到错误，但也许这个想法很有用。

于 2012-04-27T16:15:43.747 回答
0

如果您可以确定输入格式正确（没有不平衡的引号），那么这是有效的（如果格式不正确，那么您想做什么？）：

"(([^"]*?)((""[^"]*?)*?))"(?!")

它是一个引号，后跟除引号以外的任何内容零次或多次，后跟任意数量的组，该组由一对双引号后跟任意数量的非引号组成，并以引号结尾而不是引号。

如果您确定每个数据都以 a 结尾，";那么它会变得更容易一些

"(([^"]*?)((""[^"]*?)*?))";

但是该行的最后一个以引号结尾";还是仅以引号结尾？

在 JoelFan 和 OldCurmudgeon 的启发下，这很有效，而且更简单一些：

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

对于每种模式，数据都在捕获组 1 中。因此您的代码将类似于：

while (matcher.find()) {
    data = matcher.group(1);
    /* do whatever you want with the data such as replace '""' with '"' */
}

当然，在将它们编写为 Java 字符串时，您必须对模式中的引号进行转义，因此它们最终在您的代码中看起来像这样：

"\"(([^\"]*?)((\"\"[^\"]*?)*?))\"(?!\")"

或者

"\"(([^\"]*?)((\"\"[^\"]*?)*?))\";"

或（我将在我的代码中使用的）

"\"((?:[^\"]|\"\")*)\""
于 2012-04-27T16:31:00.853 回答