正则表达式捕获单引号字符串

Question

我正在使用.net正则表达式引擎，我需要一个正则表达式模式来捕获单引号中的子串。

我有什么：

(?<!\\p{L})['‘]+(s['’] \\p{Lu}|['’]\\p{L}|[^‘'’\r])*['’]+((?<!s['’])(?! \\p{Lu})|(?!\\p{L}))

我认为它如何运作：

1. 非捕获非字母数字，后跟1-many单引号

   (?<!\\p{L})['‘]+

2. 0-多组（＆＃34; s＆＃34; +撇号+空格+大写字母OR撇号+小写字母或不是撇号或换行符） (s['’] \\p{Lu}|['’]\\p{L}|[^‘'’\r])*

3. 1-many收盘价 ['’]+

4. 最后验证:(不是s +撇号，而不是前面的空格+大写字母）或者不是前面的字母 （（？

它应该如何运作： 例如。 ＆＃34;这是我的猴子黑猩猩＆＃39;农场＆＃34; 期望的结果：＆＃39;猴子的黑猩猩＆＃39; 我目前得到的是：＆＃39;猴子＆＃39;

说明：＆＃39; s不应被视为收尾报价。 s＆＃39;也不应该如果后跟一个空格和另一个大写字母。

问题：为什么发动机停在猴子的撇号上？在上面的第2节中，它应该捕获＆＃34;＆＃34;＆＃34;＆＃34;然后继续发动机很贪心，对吧？

感激不尽的任何帮助

Answer 1

放手一搏。 ＆＃34; Lookaround＆＃34;的技术似乎很合适。

我也使用.NET

(?!'s\b)'.*?'(?!s\b)

• Assert that it is impossible to match the regex below starting at this position (negative lookahead) (?!'s\b)
  • Match the character string “'s” literally (case sensitive) 's
  • Assert position at a word boundary (position preceded or followed—but not both—by a Unicode letter, digit, or underscore) \b
• Match the character “'” literally '
• Match any single character that is NOT a line break character (line feed) .*?
  • Between zero and unlimited times, as few times as possible, expanding as needed (lazy) *?
• Match the character “'” literally '
• Assert that it is impossible to match the regex below starting at this position (negative lookahead) (?!s\b)
  • Match the character “s” literally (case sensitive) s
  • Assert position at a word boundary (position preceded or followed—but not both—by a Unicode letter, digit, or underscore) \b