如何用正则表达式选择JSON分隔符，适配Azure认知搜索多层JSON索引

由于Azure认知搜索（ACS）仅支持内置工具处理JSON，要拆分包含嵌套结构（如数组、嵌套对象）的JSON为顶级键值对token，需使用支持嵌套结构识别的正则表达式，避免误拆分嵌套内部的逗号分隔符。

适用的正则分隔符 #

使用以下正则表达式作为索引器的拆分分隔符：

^\{\s*|\s*\}$|,\s*(?=(?:(?:[^"\\]|\\.)*")*(?:[^"\\]|\\.)*$)(?![^\[\{\]]*[\]\}])

正则逻辑解释 #

• ^\{\s*：匹配JSON开头的{及其后续空白字符，用于移除外层包裹的左大括号
• \s*\}$：匹配JSON结尾的}及其前面的空白字符，用于移除外层包裹的右大括号
• ,\s*(?=(?:(?:[^"\\]|\\.)*")*(?:[^"\\]|\\.)*$)：通过正向预查确保逗号不在引号包裹的字符串内，避免拆分带逗号的字符串值
• (?![^\[\{\]]*[\]\}])：通过负向预查确保逗号不在未闭合的[]或{}内部，忽略嵌套结构里的分隔符

配置与效果 #

将此正则配置到ACS索引器的字段拆分规则中，针对用户提供的样例JSON：

{
    "CategoryName":"Desktop",
    "ProductDescription":"Computer",
    "ExternalManufacturerName":[
        "Computer Maker A",
        "Computer Maker B"
    ],
    "Brand":"Computer Maker A"
}

拆分后将得到预期的独立token：

[
    "\"CategoryName\":\"Desktop\"",
    "\"ProductDescription\":\"Computer\"",
    "\"ExternalManufacturerName\":[\n        \"Computer Maker A\",\n        \"Computer Maker B\"\n    ]",
    "\"Brand\":\"Computer Maker A\""
]

注意事项 #

• ACS使用.NET正则引擎，完全支持上述预查语法，无需额外配置
• 若JSON包含更深层级的嵌套对象（如{"key":{"subkey":"value"}}），该正则同样适用，会忽略嵌套对象内部的逗号

内容的提问来源于stack exchange，提问作者Fruity Medley