满足 3 个不同情况的正则表达式

Question

我正在尝试找出可以与 java 的 String.split(regex) 一起使用的正则表达式，以便从文件中获取 "lines" 的数组。

回车 return 不定义行尾，而是逗号 - 但不是所有逗号。如果逗号位于括号、单引号或注释（/*注释，更多注释*/）之间，则不表示行结束。

示例：

1 test fixed(5,2),
  2 another_test char(12),
  2 a_third_test,
    3 one pic'9{9}V.99',
    3 two pic'9,999V.99',
    3 three fixed(7,2),
  /* test,t*/
  /*test 2,*/
  /*and more */
  2 another_field fixed bin(13),
  2 a_really_long_super_long_field_name_requiring_two_lines_for_declaration
    char(1),
  2 a_field char(8);

预期的输出是（为清楚起见省略了 \t 和多余的空格）：

1 test fixed(5,2)
2 another_test char(12)
2 a_third_test
3 one pic'9{9}V.99'
3 two pic'9,999V.99'
3 three fixed(7,2)
/* test,t*//*test 2,*//*and more */  2 another_field fixed bin(13)
2 a_really_long_super_long_field_name_requiring_two_lines_for_declaration
    char(1)
2 a_field char(8)

我想出了 3 个独立的正则表达式来获得 3 个部分：

,(?![^(]*\)) - 所有不在括号中的逗号
(,(?![^']*')) - 所有逗号不在单引号中
(,(?![^\/\*]*\*\/)) - 所有逗号不在评论中

我尝试用 or (.*?)|(,)|'.*?'|(,)|\/*.*?*\/|(,) 加入他们，但得到以下结果：

1 test fixed
2 another_test char
2 a_third_test
3 one pic
3 two pic
3 three fixed
2 another_field fixed bin
2 a_really_long_super_long_field_name_requiring_a_line_break_...        char
2 a_field char

有没有一种方法可以组合这 3 个正则表达式（或者有更好的？）来找到满足所有 3 个的组？

更新：

我可以用一些简单的 java 完成确切的事情，但我想用正则表达式作为学术追求。

String temp = "";
for(String line:text.split("\n")){
  if(line.trim().charAt(line.trim().length()-1) == ',' || line.trim().charAt(line.trim().length()-1) == ';'){
    System.out.println(temp + line);
    temp = "";
  } else {
    temp += line.trim();
  }
}

Answer 1

我想你可能想多了。重要的是要记住，正则表达式是为解析 regular languages. When you need to check if you're inside a comment or parens or whatever else to know what a comma means, what you're looking at is a context-sensitive language 而创建的（见下图）。

By J. Finkelstein (Own work) [CC BY-SA 3.0 (https://creativecommons.org/licenses/by-sa/3.0)

也就是说，匹配行尾的逗号和分号很容易。 /\s*(.*?)[,;]$/gsm 适用于您问题中的测试输入。但是，这没有考虑

test fixed(5,2),
/* a,
   multi-line,
   comment,
*/

在我看来，解决此问题的最佳选择是在开始使用 \/\*.*?\*\/ 进行解析之前丢弃注释。如果你需要保留评论，你可能会使用负面的环视，但这些是非常低效的，你最好写一个 tokenizer/parser.

满足 3 个不同情况的正则表达式

Regex which satisfies 3 separate cases

regex

regex-group

regex-greedy

regex-lookarounds