在令牌上拆分字符串，除非转义令牌，但忽略转义的转义字符

Question

我试图使用正则表达式来分割EDIFACT行。在EDIFACT中，一​​行的组成部分由一个标记分隔，通常是＃34; +＆＃34;。 ＆＃34; +＆＃34;可以通过前面的＆＃34;？＆＃34;进行转义。我可以使用表达式

来实现这一点

(?<!\?)\+

到目前为止一切顺利。但是，转义字符本身可以通过加倍来转义（＆＃34; ??＆＃34;）。以下是一些示例和拆分时的输出

ABC+DEF+GHI => ABC, DEF and GHI      (3 elements)
ABC?+DEF+GHI => ABC?+DEF and GHI     (2 elements)
ABC??+DEF+GHI => ABC??, DEF and GHI  (3 elements)

这是我挣扎的第三个人。我如何根据需要调整我用来表达的表达式？

Answer 1

无法使用基于外观的regexp拆分可以转义实体的字符串。相反，匹配是一种更可靠的方法：匹配所有不是转义序列而不是分隔符的子串，然后匹配那些。

(?:[^?+]|\?.)+

请参阅regex demo

(?:[^?+]|\?.)+模式匹配?和+以外的1 +个字符或文字?的序列，后跟任何字符（但没有DOTALL修饰符的换行符）