1

我正在尝试创建一个 .NET 正则表达式，它将匹配 VB.NET 源代码中的引用字符串，但不包括某些不需要的字符串，例如 XML 注释和区域标签中的字符串等。

这是一个数据示例，代表 Regex 可能对其执行的一些 VB.NET 源代码：

#Region "Class Constructors"

''' <summary>
''' Initializes a new instance of the <see cref="MyClass" /> class.
''' </summary>
Public Sub New()
    Debug.WriteLine("This string should be matched by the Regex")
End Sub

#End Region

正则表达式应匹配Debug.WriteLine方法调用中的引用字符串，但应忽略区域标签和 XML 注释中的字符串。它还应该支持 VB.NET 的引号转义语法，该语法使用两个连续的双引号来表示嵌入（转义）的引号字符：

"This is a string containing an escaped quote "" character"

作为一个起点，我已经尝试了以下正则表达式，但负面的后视导致它匹配后续的结束引号，就好像它们是开始引号一样。

(?<!Region\s+)"(?<Literal>(?:[^"]|"")*)"

作为一项额外的技巧，如果 Regex 可以完全忽略由一对引号字符表示的空字符串，那将会很有帮助。

请问有什么建议吗？

在此先感谢，蒂姆

4

1 回答 1

1

我认为这是单个正则表达式无法解决所有问题的情况之一。我假设#Region 指令可以是多行的，如下所示：

#Region \
  "MyRegion"

或者可能有其他换行符，所以你的后视是不够的。从具有复杂语法的文本中选择性地提取匹配项需要词法分析器，或者您应该以不同的方式解析整个内容。但是，您可能能够找到一个快捷方式，例如您知道您不需要标签 <summary> 和 </summary> 之间的任何内容，因此您可以遍历每一行并跳过 <summary> 之后的所有内容，直到找到结束标记，然后您可以继续匹配字符串。您应该特别注意编写正则表达式以去除注释和预处理器指令（即：'、# 和 REM）。请注意，当它们不在字符串中时，这些关键字都是有效的，因此剥离注释有点涉及。即使在那里，单个正则表达式可能还不够。对于删除双引号，

"((?:[^"]|"")+)"
于 2011-05-25T10:42:23.027 回答