Соответствующее содержание цитаты

Question

Я пытаюсь удалить кавычки из строки. Пример:

"hello", how 'are "you" today'

возвращает

hello, how are "you" today

Я использую php preg_replace.

На данный момент у меня есть пара решений:

(\'|")(.*)\1

Проблема в том, что он соответствует всем символам (включая кавычки) в середине, поэтому результат ($ 2) равен

hello", how 'are "you today'

Обратные ссылки нельзя использовать в классах символов, поэтому я не могу использовать что-то вроде

(\'|")([^\1\r\n]*)\1

чтобы не совпадать с первой обратной ссылкой в ​​середине.

Второе решение:

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

Проблема в том, что сюда включены кавычки в обратной ссылке, поэтому на самом деле ничего не происходит. Результат (1 доллар):

"hello", how 'are "you" today'

Answer 1

Вместо:

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

Просто напишите:

\'([^\']*)\'|"([^"]*)"
  \______/    \_____/
     1           2

Теперь одна из групп будет соответствовать цитируемому содержимому.

В большинстве случаев, когдагруппа, которой не удалось найти, упоминается в строке замены, в нее подставляется пустая строка, поэтому вы можете просто заменить на $1$2, и одна будет успешным захватом (в зависимости от альтернативы), а другая будет заменена пустойstring.

Вот реализация PHP (, как видно на ideone.com ):

$text = <<<EOT
"hello", how 'are "you" today'
EOT;

print preg_replace(
  '/\'([^\']*)\'|"([^"]*)"/',
  '$1$2',
  $text
);
# hello, how are "you" today 

---

Более внимательный взгляд

Давайте использовать1 и 2 для кавычек (для наглядности).Также будут добавлены пробелы (для ясности).

Ранее у вас в качестве второго решения был следующий шаблон:

(  1[^1]*1  |  2[^2]*2  )
\_______________________/
   capture whole thing
   content and quotes

Как вы правильно указали, это соответствует паре кавычекправильно (при условии, что вы не можете избежать кавычек), но он не захватывает часть content .

Это не может быть проблемой в зависимости от контекста (например, вы можете просто обрезать однусимвол от начала и до конца, чтобы получить контент), но в то же время, это не так сложно, чтобы решить проблему: просто захватить контент из двух возможностей по отдельности.

1([^1]*)1  |  2([^2]*)2
 \_____/       \_____/
 capture contents from
each alternate separately

Теперь либо группа1 или группа 2 будет захватывать содержимое в зависимости от того, какой альтернативный вариант был найден.В качестве «бонуса» вы можете проверить, какая цитата использовалась, т. Е. Если группа 1 преуспела, то была использована 1.

---

Приложение

[…] - это класс символов .Нечто вроде [aeiou] соответствует одному из строчных гласных.[^…] - это отрицательный класс символов.[^aeiou] соответствует одному из всего, кроме строчных гласных.

(…) используется для группировки .(pattern) является группой захвата и создает обратную ссылку.(?:pattern) не захватывает.

Список литературы

• регулярные-выражения.info / Кронштейны для захвата , Чередование , Класс персонажа , Повтор

Answer 2

Относительно:

Обратные ссылки не могут использоваться в классах символов, поэтому я не могу использовать что-то вроде

(\'|")([^\1\r\n]*)\1

(\'|")(((?!(\1|\r|\n)).)*)\1

(где (?!...)...) должен работать отрицательно.

Я не знаю, решает ли это вашу основную проблему, но она решает «сопоставить символ, если он не соответствует backref».

Редактировать:

Пропущены скобки, исправлено.

Answer 3

Вы не можете сделать это с помощью регулярного выражения. Это требует внутреннего состояния для отслеживания (среди прочего)

• Обнаружена ли предыдущая кавычка определенного типа
• Является ли "внешний" уровень котировок текущим уровнем
• Был ли спущен "внутренний" набор кавычек, и если да, то где этот набор кавычек начинается в строке

Для правильной работы требуется анализатор с грамматикой. Механизм регулярных выражений не сохраняет состояние, потому что это автомат с конечным состоянием, который работает только с текущим входом независимо от предыдущих обстоятельств.

Это та же самая причина, по которой вы не можете надежно сопоставлять наборы вложенных скобок или элементов XML.