Java 匹配键值模式正则表达式

我正在制作一个键值解析器，其中输入字符串的形式为

key:“value”，key2:“value”

。键可以包含字符

a-z

，

a-z

和

0-9

，值可以包含任何字符，但

：

，

，

，

“

和

\

需要以反斜杠作为前缀。逗号用于分隔键值对，但在最后一对之后不需要逗号

---

到目前为止，我已经有了

（[a-zA-Z0-9]+）：“（.*”

，它将匹配大多数键和值，但显然它无法处理多个对，或者如果任何“控制”字符未被替换

([a-zA-Z0-9]+):"(.*?)(?<!\\)"

Java正则表达式是

"([a-zA-Z0-9]+):\"(.*?)(?<!\\\\)\""

输出：

joe --> Look over there\, it's a shark!
sam --> I like fish.

joe --> Look over there\, i\"t's a shark!
sam --> I like fish.

或

输出：

joe --> Look over there\, it's a shark!
sam --> I like fish.

joe --> Look over there\, i\"t's a shark!
sam --> I like fish.

---

假设

\

后跟除行终止符以外的任何字符，则指定紧跟其后的字符

可以使用以下正则表达式匹配键值对的所有实例：

"([a-zA-Z0-9]+):\"((?:[^\\\\\"]|\\\\.)*+)\""

abc:"xyz:"text text", more:"pair"

"(?:^|(?!^)\\G,)([a-zA-Z0-9]+):\"((?:[^\\\\\"]|\\\\.)*+)\""

如果要允许自由间距，请在

之前和之后添加
\\s*
：

这是正则表达式引擎看到的：

([a-zA-Z0-9]+):"((?:[^\\"]|\\.)*+)"

量词

*

被设置为所有格

*+

，因为

[^\\“]

和

\.

这两个分支是互斥的（没有字符串可以同时被两者匹配）。它还避免了Oracle实现

模式

类时出现的

堆栈溢出错误

在匹配器循环中使用上面的正则表达式：

Pattern keyValuePattern = Pattern.compile("([a-zA-Z0-9]+):\"((?:[^\\\\\"]|\\\\.)*+)\"");
Matcher matcher = keyValuePattern.matcher(inputString);

while (matcher.find()) {
    String key = matcher.group(1);

    // Process the escape sequences in the value string
    String value = matcher.group(2).replaceAll("\\\\(.)", "$1");

    // ...
}

在一般情况下，根据转义序列的复杂性（例如，
\n
，
\uhhh
，
\xhh
，
\0
），您可能需要编写一个单独的函数来解析它们。但是，根据上述假设，一行代码就足够了

请注意，此解决方案并不关心分隔符。它将跳过无效输入，直到最接近的匹配。在下面的无效输入示例中，上面的解决方案将跳过开头的
abc:
，并愉快地匹配
xyz:“text text”
amd
more:“pair”
作为键值对：

"([a-zA-Z0-9]+):\"((?:[^\\\\\"]|\\\\.)*+)\""

abc:"xyz:"text text", more:"pair"

"(?:^|(?!^)\\G,)([a-zA-Z0-9]+):\"((?:[^\\\\\"]|\\\\.)*+)\""

如果不希望出现这种行为，则有一种解决方案，但必须首先隔离包含所有键值对的字符串，而不是与键值对无关的较大字符串的一部分：

"([a-zA-Z0-9]+):\"((?:[^\\\\\"]|\\\\.)*+)\""

abc:"xyz:"text text", more:"pair"

"(?:^|(?!^)\\G,)([a-zA-Z0-9]+):\"((?:[^\\\\\"]|\\\\.)*+)\""

自由间距版本：

"(?:^\s*|(?!^)\\G\s*,\s*)([a-zA-Z0-9]+)\s*:\s*\"((?:[^\\\\\"]|\\\\.)*+)\""

您可以提供一个示例以及预期的输出吗？为什么不
input\u string.split（“，”
然后循环结果和
result.split（“：”）
然后在循环中有键->值对可以随意操作。新行可以是值的一部分吗？它是如何在值中指定的？@nhatdh任何字符都可以是值的一部分，并将被表示为它自己，除非它需要加前缀“\”，因为它是格式的一部分。@gwillie我想我可以这样做，但我需要它获取“，”的索引，并检查它是否首先被转义。仍然存在问题，但我意识到，由于问题没有明确说明，所以没有必要对答案进行向下投票。顺便说一下，您的正则表达式在
abc:“value\\”
中会失败，为什么不使用通常的
（？：[^\\”]*+\124\\）*+
？您的解决方案非常脆弱。他无法描述转义字符。@AvinashRaj这将匹配包含字符的值，例如
“\，：
不带反斜杠前缀。在我的情况下，这在大多数情况下是可以的，但这意味着它将接受格式不正确的字符串，您知道解决方法吗？我最终将字符串拆分为键值对，然后使用
（[a-zA-Z0-9]+）：”（（（？：\[：“\，]”124；[^:“\，]”）*）$
感谢您的回答。如果出现问题，首先拆分它可以让我给出一个更具描述性的错误。我不确定这是否是最有效的方法，但它似乎适用于我遇到的所有测试用例，并拒绝任何格式错误。