使用 .NET 正则表达式查找所有特殊标记

Question

使用正则表达式，我需要收集 valid 顶级标记 {...} 并忽略引用字符串中的标记边界"..."（包括可能的 ""）。

简化样本：

TEXT{bbbbb}TEXT{cccc|{dddd}}TEXT{eeee|ff{gg}hh|ii{jj}"kk}{|{}ll""mm{nn}"oo|{pppp}}TEXT

预计有 3 场比赛：

{bbbbb}
{cccc|{dddd}}
{eeee|ff{gg}hh|ii{jj}"kk}{|{}ll""mm{nn}"oo|{pppp}}
请注意字符串 "kk}{|{}ll""mm{nn}" 的内容被忽略

每个标记都应遵循以下语法：

'{'<tokenName>[a1]['|'[a2|c1]('='|'<>')c2]['|'c3['|'c4]]'}'

其中 aX 是简单的正则表达式 ((,-?\d+(:.*)?|:.*))，cX 可以包含匹配的 {-}、纯文本和字符串 "..." 其中 {、}、|、"" 等特殊字符被视为纯文本。

我不明白此正则表达式中需要的平衡和转义。对于初学者来说可能太难了。

其他详细信息：

我已经完成了部分解决方案，我的问题是平衡和引用。

我正在尝试创建包含在 input As String 中的扩展标记，它看起来类似于 format strings，但也允许条件评估。例如在文件名模板中使用这些标记，用户可以在批处理中配置文件名的自定义部分。令牌具有字母数字名称和格式部分（包括可选条件、真部分和假部分）。格式化部分可以在：

“本机格式”——从 String.Format() 得知，但字母数字名称而不是占位符 {0}、{1}、{2}、.. .
正则表达式是 (,-?\d+(:.*)?|:.*)
.
示例：
,3（转换为标准 {0,3}）
:d（转换为标准 {0:d}）
-3:d（转换为标准 {0,-3:d}）
“复杂格式”——原生格式，
或固定文字 {0} 作为字符串 ...{0<native format>}...
的一部分上下文化正则表达式是："(" & nativeFormatSpec & "|.*({0.*}.*)*)"
.
示例：
-4:d（仅限本机格式）
prefix {0,-4:d} & once more {0} suffix 被翻译成
. . . . String.Format("prefix {0,-4:d} "&}} once" more {0} suffix", value)

现在有效令牌的完整语法是：

'{'<tokenName>[quickFormat]['|'[complexFmt1]('='|'<>')value][complexFmt2|[complexFmt3]]'}'

我的代码使用了很多命名组，但正则表达式可能太简单了：

'*** matching token names (for later use as match.Group(groupName))
Const tokenGroup As String = NameOf(tokenGroup)
Const compareFormatGroup As String = NameOf(compareFormatGroup)
Const quickFormatGroup As String = NameOf(quickFormatGroup)
Const compareOperatorGroup As String = NameOf(compareOperatorGroup)
Const compareValueGroup As String = NameOf(compareValueGroup)
Const defaultFormatGroup As String = NameOf(defaultFormatGroup)
Const elseFormatGroup As String = NameOf(elseFormatGroup)

'*** subpatterns
Const nativeFormatSpec As String = "(,-?\d+(:.*)?|:.*)"
Const complexFormatSpec As String = "(" & nativeFormatSpec & "|.*({0.*}.*)*)" 'value allowing one token {0} multiple times

Dim matches As MatchCollection = Regex.Matches(input,
        $"\{{(?<{tokenGroup}>{Regex.Escape(token)})(?<{quickFormatGroup}>{nativeFormatSpec}?)" &
        $"((\|(?<{compareFormatGroup}>{complexFormatSpec}))?(?<{compareOperatorGroup}>=|!=|<>)(?<{compareValueGroup}>.*))?" &
        $"(\|(?<{defaultFormatGroup}>{complexFormatSpec})(\|(?<{elseFormatGroup}>{complexFormatSpec}))?)?\}}")

Answer 1

根据您的简化数据，这里是处理提取的正则表达式：

\{(?>(?:"[^"]*(?:""[^"]*)*"|[^{}]+)|\{(?<n>)|\}(?<-n>))*(?(n)(?!))\}

见demo

这基本上是一个平衡的大括号正则表达式与 VB.NET 类似的字符串文字匹配正则表达式 "[^"]*(?:""[^"]*)*"。请注意，这部分 - (?:"[^"]*(?:""[^"]*)*"|[^{}]+) - 在查找配对大括号（带引号的字符串和非大括号）时实际上会被忽略。

使用 .NET 正则表达式查找所有特殊标记

Finding all special tokens with .NET regular expressions

.net

regex

vb.net

string-formatting

其他详细信息：