Регулярное выражение для сопоставления строк в кавычках с отрицательным просмотром назад (.NET)

Я пытаюсь создать регулярное выражение .NET, которое будет соответствовать строкам в кавычках в исходном коде VB.NET, но исключая некоторые нежелательные строки, такие как строки в комментариях XML, метки регионов и т. д.

Вот образец данных, представляющий некоторый исходный код VB.NET, для которого может выполняться регулярное выражение:

#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

Regex должен соответствовать строке в кавычках в вызове метода Debug.WriteLine, но должен игнорировать строку в метке региона и комментарий XML. Он также должен поддерживать синтаксис экранирования кавычек VB.NET, который использует две последовательные двойные кавычки для представления встроенного (экранированного) символа кавычки:

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

В качестве отправной точки я поэкспериментировал со следующим регулярным выражением, но отрицательный просмотр назад заставляет его сопоставлять последующие закрывающие кавычки, как если бы они были открывающими кавычками.

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

В качестве дополнительной тонкости было бы полезно, если бы регулярное выражение могло полностью игнорировать пустые строки, представленные парой символов кавычек.

Любые предложения, пожалуйста?

Заранее спасибо, Тим


.net regex quotes double-quotes lookbehind
person Tim Coulter    schedule 25.05.2011    source источник

Ответы (1)


arrow_upward
1
arrow_downward

Я думаю, что это один из тех случаев, когда одно регулярное выражение не решит всех ваших проблем. Я предполагаю, что директивы #Region могут быть многострочными, например:

#Region \
  "MyRegion"

или, может быть, с каким-то другим символом разрыва строки, поэтому вашего просмотра назад недостаточно. Для выборочного извлечения совпадений из текста со сложным синтаксисом требуется лексер, или, возможно, вам следует проанализировать все это по-другому. Однако вы можете найти ярлык, например, вы знаете, что вам ничего не нужно между тегами ‹summary› и ‹/summary›, поэтому вы можете перебирать каждую строку и пропускать все, что находится после ‹summary›, пока не найдете закрывающий тег, затем вы можете возобновить сопоставление строк. Вы должны уделять особое внимание написанию регулярного выражения, чтобы убрать комментарии и директивы препроцессора (например: ', # и REM). Обратите внимание, что все эти ключевые слова действительны, когда они не находятся в строке, поэтому удаление комментариев требует некоторых усилий. Даже там одного регулярного выражения может быть недостаточно. Для удаления двойных кавычек это, кажется, помогает мне:

"((?:[^"]|"")+)"
person King_DuckZ    schedule 25.05.2011
comment
Спасибо за Ваш ответ. Вы правы, это сложнее, чем я себе представлял, но ваше предложение о тегах ‹summary› дало мне полезную подсказку, которую, я думаю, я могу заставить работать. Вероятно, я могу использовать ту же технику для сопоставления всех строк, которые я хочу исключить, но захватить только тот случай, который содержит нужные мне литералы. - person Tim Coulter; 25.05.2011