C++中类HTML格式属性值的正则提取优化（解决空值匹配问题）

你的问题很典型——用正向预查+非贪婪匹配的写法在属性值为空时会“越界”捕获后续内容，核心原因是.*?虽然是非贪婪，但它会匹配任意字符（除换行），包括属性之间的字符，直到找到下一个引号。咱们换一种更精确的思路就能解决：

优化后的正则方案 #

针对每个你需要捕获的属性，使用否定字符集来限定匹配范围，而不是依赖非贪婪匹配：

单个属性的正则 #

比如捕获item1的值：

item1="([^"]*)"

这里的[^"]*是关键：它匹配任意不是双引号的字符（包括空字符串），会严格停在当前属性的结束引号处，绝不会越界到后面的属性内容里。

多个属性的组合正则 #

如果要同时匹配item1、item2、item3，可以把它们用|组合：

item1="([^"]*)"|item2="([^"]*)"|item3="([^"]*)"

为什么这个方案有效？ #

• 空值场景：当item1=""时，[^"]*会匹配空字符串，捕获组1的结果就是空，不会去匹配后面的item2=等内容；
• 支持空格等字符：[^"]*允许匹配引号内的空格、数字、字母等任意非引号字符，完全满足你的需求；
• 性能更优：否定字符集的匹配逻辑比预查+非贪婪匹配更直接，正则引擎不需要回溯太多。

C++代码示例 #

这里给你一个实际可用的代码片段，用std::regex实现解析：

#include <regex>
#include <string>
#include <iostream>

int main() {
    // 测试输入：包含空值、带空格的值
    std::string input = "< item1=\"\" item2=\"hello world!\" item3=\"foo bar 456\" />";
    // 组合正则，注意用原始字符串字面量(R"()")避免转义麻烦
    std::regex attr_re(R"(item1="([^"]*)"|item2="([^"]*)"|item3="([^"]*)")");

    // 遍历所有匹配结果
    std::sregex_iterator it(input.begin(), input.end(), attr_re);
    std::sregex_iterator end;

    for (; it != end; ++it) {
        const auto& match = *it;
        // 提取item1的值
        if (!match[1].str().empty()) {
            std::cout << "item1: '" << match[1].str() << "'\n";
        }
        // 提取item2的值
        if (!match[2].str().empty()) {
            std::cout << "item2: '" << match[2].str() << "'\n";
        }
        // 提取item3的值
        if (!match[3].str().empty()) {
            std::cout << "item3: '" << match[3].str() << "'\n";
        }
    }

    return 0;
}

运行这段代码会输出：

item1: ''
item2: 'hello world!'
item3: 'foo bar 456'

额外说明（可选） #

如果你的场景中属性值可能包含转义的双引号（比如item1="he said \"hi\""），那需要调整正则来处理转义字符，此时正则可以改成：

item1="((?:\\.|[^"\\])*)"

这个写法会匹配转义的字符（比如\"）和非转义的非引号字符，确保转义引号不会被误判为属性结束。

内容的提问来源于stack exchange，提问作者Xesiius