正则表达式匹配双引号内外孤立左单引号（‘）的技术咨询

需求明确 #

需要匹配孤立左单引号（‘），无论其位于双引号（“”）内部还是外部，规则如下：

• 双引号外的孤立左单引号：左单引号后，到下一个左单引号或行尾前，不存在非缩写形式的右单引号（’）；缩写定义为’后紧跟字母的情况（如‘this’s中的’属于缩写，不视为匹配的右单引号）
• 双引号内的孤立左单引号：左单引号后，到下一个左单引号、右双引号或行尾前，不存在非缩写形式的右单引号

原正则问题分析 #

原正则(“[^“]+?”[^‘]*)*‘(.(?!’[^A-Za-z]))+(‘|$)存在以下缺陷：

• 未处理双引号内的终止条件（右双引号），导致双引号内的孤立左单引号无法被正确识别
• 行边界处理逻辑不完善，无法准确匹配行尾前的孤立左单引号
• 未考虑多左单引号连续出现的场景匹配

优化后的正则表达式 #

(?:"[^"]*?"|[^"‘’])*‘(?:(?!’[A-Za-z]|["‘’]))*(?=["‘’]|$)

正则逻辑解释 #

1. (?:"[^"]*?"|[^"‘’])*

   • 匹配两种内容：完整的双引号包裹文本（"[^"]*?"），或非双引号、非单引号的普通文本（[^"‘’]）
   • 重复匹配直到定位到目标左单引号的位置

2. ‘

   • 匹配目标孤立左单引号

3. (?:(?!’[A-Za-z]|["‘’]))*

   • 匹配任意字符，只要该字符后不是以下内容：
     • 非缩写的右单引号：’后接非字母（排除缩写场景）
     • 右双引号、左单引号（终止条件）
   • 确保当前左单引号后没有有效的匹配右单引号

4. (?=["‘’]|$)

   • 正向环视，确保当前位置后是右双引号、左单引号或行尾，符合孤立左单引号的终止规则

测试验证 #

针对提供的测试用例，上述正则可准确匹配所有符合定义的孤立左单引号，例如：

• 双引号外场景：一些文本和"双引号" 以及一个‘孤立左单引号中的‘
• 双引号内场景："双引号, 内部包含一个‘孤立左单引号。"中的‘
• 含缩写的场景：一些文本和一个‘孤立左单引号和一个’缩写词中的‘

内容的提问来源于stack exchange，提问作者vr8ce