含转义分号的键值对字符串解析求助：正则/算法优化

问题背景 #

我们需要解析一种键值对格式的字符串：

• 键值对之间用;分隔，格式示例：Key=Value;key1=value1;
• 值中的\;是转义表示，实际对应普通分号;，不能作为键值对的分隔符

当前遇到的问题：输入Key=Value\;key1=value1\;key2=value2\;key3=value3;时，现有正则仅解析出1个键值对，期望得到4个独立的键值对（Key、key1、key2、key3分别对应各自的值）。

约束条件 #

• 值可以是任意字符串，包括包含其他键、等号的内容
• 键可以是任意字符串
• 键值对数量不限
• 值允许为空
• 已知键列表，但用户可能不填写全部键

解决方案 #

方案1：优化正则表达式 #

核心思路是匹配未被转义的分号作为键值对的分隔符，同时正确区分键（到第一个未被转义的等号）和值（到下一个未被转义的分号或字符串结尾）。

正则表达式

([^=]+)=(.*?)(?=(?<!\\);|$)

说明

• ([^=]+)：匹配键的部分，直到第一个未被转义的=（因为键和值用=分隔，值里可以有=，所以键取到第一个=为止）
• (.*?)：非贪婪匹配值的内容，避免过度匹配
• (?=(?<!\\);|$)：正向预查，确保值的结尾是未被转义的分号或者字符串结束位置（(?<!\\)是负向预查，匹配前面没有反斜杠的;）

使用步骤

1. 启用全局匹配模式（如Java的Pattern.CASE_INSENSITIVE | Pattern.DOTALL，JavaScript的/g）匹配目标字符串
2. 对每个匹配结果，将第1组作为键，第2组作为值
3. 最后将值中的\;替换为;，还原转义后的分号

方案2：手动字符遍历解析（更可靠） #

对于复杂的转义场景，手动遍历字符比正则更可控，能处理所有边界情况。

解析步骤

1. 初始化变量：

   • 结果MapresultMap
   • 当前键currentKey，当前值缓冲区currentValue
   • 遍历索引pos = 0，字符串长度len = input.length()
   • 状态标记isKey = true（初始处于键的解析状态）

2. 循环遍历每个字符（以Java为例）：

while (pos < len) {
    char c = input.charAt(pos);
    // 处理转义字符：跳过反斜杠，直接取后面的字符
    if (c == '\\' && pos + 1 < len) {
        char nextChar = input.charAt(pos + 1);
        if (isKey) {
            currentKey += nextChar;
        } else {
            currentValue += nextChar;
        }
        pos += 2;
        continue;
    }
    // 切换到值状态：遇到未转义的等号且当前在键状态
    if (c == '=' && isKey) {
        isKey = false;
        pos += 1;
        continue;
    }
    // 完成一个键值对：遇到未转义的分号且当前在值状态
    if (c == ';' && !isKey) {
        resultMap.put(currentKey, currentValue);
        // 重置状态
        currentKey = "";
        currentValue = "";
        isKey = true;
        pos += 1;
        continue;
    }
    // 普通字符，加入对应缓冲区
    if (isKey) {
        currentKey += c;
    } else {
        currentValue += c;
    }
    pos += 1;
}
// 处理最后一个未以分号结尾的键值对（如果存在）
if (!currentKey.isEmpty()) {
    resultMap.put(currentKey, currentValue);
}

优势

• 直接处理转义逻辑，无需后续替换操作
• 能处理键中包含等号的极端场景（如果业务允许）
• 对空值、未填全键的场景兼容性更好

内容的提问来源于stack exchange，提问作者ui uk