编写PCRE正则匹配PHP双引号字符串，排除单引号内双引号

针对需求——匹配PHP代码中的双引号字符串（支持转义双引号），同时排除单引号字符串内部的双引号（比如HTML属性转义的"场景），可以采用先排除单引号区域，再匹配双引号字符串的方案，避免长度不固定环视的编译错误。

最终正则表达式 #

'[^'\\]*(?:\\.[^'\\]*)*'(*SKIP)(*FAIL)|"[^"\\]*(?:\\.[^"\\]*)*"

规则解释 #

1. 单引号区域排除逻辑 #

'[^'\\]*(?:\\.[^'\\]*)*'(*SKIP)(*FAIL)

• '：匹配单引号字符串的起始标记
• [^'\\]*：匹配任意数量的非单引号、非反斜杠字符
• (?:\\.[^'\\]*)*：非捕获组，处理单引号内的转义序列（如\'）：先匹配反斜杠+任意字符，再继续匹配非单引号/反斜杠字符，循环至遇到未转义的单引号
• '：匹配单引号字符串的结束标记
• (*SKIP)(*FAIL)：PCRE专属标记，标记该区域为“跳过匹配”，后续规则不会处理这部分内容

2. 双引号字符串匹配逻辑 #

"[^"\\]*(?:\\.[^"\\]*)*"

• "：匹配双引号字符串的起始标记
• [^"\\]*：匹配任意数量的非双引号、非反斜杠字符
• (?:\\.[^"\\]*)*：非捕获组，处理双引号内的转义序列（如\"），逻辑同单引号内的转义处理
• "：匹配双引号字符串的结束标记

效果验证 #

针对你提供的示例代码：

$str = '<elem prop=&quot;' . $var . '&quot;>';
$str = '<div class=&quot;my-class ' . $my_var_class . ' my-other-class&quot;>';

正则会跳过所有单引号包裹的内容（包括其中的"里的双引号），不会产生错误匹配；而对于真正的PHP双引号字符串（如$str = "Hello \"World\"";），则能准确匹配整个"Hello \"World\""部分。

为什么优于原正则 #

原正则"(.*?)(?<!\\)"采用非贪婪匹配+负向环视，存在两个问题：

• 无法区分双引号是否处于单引号字符串内部，导致错误匹配HTML属性转义的场景
• 若尝试用长度不固定的环视（如(?<!'[^']*)）排除单引号区域，会触发PCRE“环视断言长度不固定”的编译错误

而(*SKIP)(*FAIL)机制通过先排除不需要的区域，从根源上避免了上述问题，且匹配效率更高。

内容的提问来源于stack exchange，提问作者inventor96