Java正则表达式：提取带引号值的键值对及无等号键处理

需求回顾 #

需要从包含不规则空格的字符串中提取键值对：

• 键后带=（前后可跟任意空格）：若值被单/双引号包裹，取引号内内容；否则取到下一个空格为止
• 键后无=：对应值为null

正则表达式 #

可以用全局匹配的交替正则，覆盖两种场景：

(\S+?)\s*=\s*(?:"([^"]*)"|'([^']*)'|(\S+))|(\S+)(?!\s*=)

正则拆解 #

1. 带值的键值对分支：(\S+?)\s*=\s*(?:"([^"]*)"|'([^']*)'|(\S+))
   • (\S+?)：非贪婪匹配键（直到遇到=为止的非空白字符）
   • \s*=\s*：匹配=前后的任意空格
   • (?:"([^"]*)"|'([^']*)'|(\S+))：分支匹配三种值类型：
     • "([^"]*)"：双引号包裹的内容（捕获组2）
     • '([^']*)'：单引号包裹的内容（捕获组3）
     • (\S+)：无引号的连续非空白值（捕获组4）
2. 无值的键分支：(\S+)(?!\s*=)
   • (\S+)：匹配非空白键
   • (?!\s*=)：负向预查，确保键后没有跟着=（避免误判带值的键）

匹配结果处理逻辑 #

遍历所有匹配项：

• 若捕获组1有值（带值的键）：取捕获组2/3/4中第一个非空的内容作为值
• 若捕获组5有值（无值的键）：对应值为null

示例验证（Python代码） #

import re

def extract_kv(s):
    pattern = r'(\S+?)\s*=\s*(?:"([^"]*)"|(\S+)|'([^']*)')|(\S+)(?!\s=)'
    matches = re.findall(pattern, s)
    result = {}
    for match in matches:
        if match[0]:
            # 带值的键，取第一个非空的捕获组（组2、3、4）
            value = match[1] or match[2] or match[3]
            result[match[0]] = value
        elif match[4]:
            # 无值的键
            result[match[4]] = 'null'
    # 格式化为要求的字符串
    return '{' + ', '.join([f'{k}={v}' for k, v in result.items()]) + '}'

# 测试示例1
print(extract_kv('key=false hotel    =       trivago foo       cool=\'tr  ue\' feels="good"'))
# 输出: {key=false, hotel=trivago, foo=null, cool=tr  ue, feels=good}

# 测试示例2
print(extract_kv('example with a lot of words. Makes=sense.'))
# 输出: {example=null, with=null, a=null, lot=null, of=null, words.=null, Makes=sense.}

# 测试示例3
print(extract_kv('Did=you know that=I like=           "cod ing"'))
# 输出: {Did=you, know=null, that=I, like=cod ing}

原正则问题分析 #

你之前写的([a-zA-Z0-9]+)\s*[= ]+(?![^"']*["'])存在几个问题：

1. 仅匹配了键和=/空格，没有捕获值的部分，自然拿不到group(2)
2. [= ]+会匹配连续的=或空格，不符合=作为键值分隔符的逻辑
3. 负向预查的逻辑无法正确识别引号包裹的值，导致匹配范围错误

内容的提问来源于stack exchange，提问作者Allmighty Fishmonger