PHP正则捕获JSON字符串中每个非法双引号的实现方案

问题背景 #

给定无效JSON字符串：{"key":"val"ue","other":"invalid ""quo"te"}，需要捕获值部分中的每个非法双引号。示例中key的值含1个非法双引号，other的值含3个，共需捕获4个。已知非法引号仅出现在值而非键中，且无法提前修正JSON。此前尝试的两种正则均不符合需求：

• 正则/:s?".*?(").*?[,}]/i仅能捕获每个值中的第一个非法引号
• 正则/:s?".*?("{1,})[^,}].*?[,}]/i会将多个连续非法引号捕获为一组

解决方案 #

使用以下正则可以单独捕获每个非法双引号：

/(?::\s?"|\G(?!^))(?:(?!["},]).)*\K"/

正则逻辑说明 #

• (?::\s?"|\G(?!^))：定位到值的起始位置（: "），或从上一次匹配结束的位置继续匹配，确保只在值的范围内查找
• (?:(?!["},]).)*：跳过值区域内非非法引号的内容，直到遇到下一个非法引号
• \K"：忽略前面匹配的内容，仅捕获当前的非法双引号，实现每个引号单独分组

PHP测试代码 #

$text = '{"key":"val"ue","other":"invalid ""quo"te"}';
// 将HTML实体转换为实际字符
$text = htmlspecialchars_decode($text);

// 匹配所有非法双引号
$pattern = '/(?::\s?"|\G(?!^))(?:(?!["},]).)*\K"/';
preg_match_all($pattern, $text, $matches, PREG_OFFSET_CAPTURE);

// 输出结果
echo '<pre>' . print_r($matches, true) . '</pre>';

运行后，$matches数组会包含4个单独的非法双引号捕获项，每个项包含引号内容和其在原字符串中的偏移位置，完全符合需求。

内容的提问来源于stack exchange，提问作者Jeff