构建一个正则表达式，将JSON值中没有双引号的部分添加双引号

Question

我有很多格式错误的JSON字符串，像这样：

{
    "id":23424938,
    "name":aN,
    "ref":aN,
    "jul":aN,
    "cat":{},
    "src":[],
    "Code":"SA",
    "type":d,
    "spec":[i,j],
    "child":a
}

我正在尝试构建一个正则表达式来双引号JSON值，但没有成功。

我最终使用了/":([^"d{[]+?[^,}]?)/，它修复了所有问题，除了数组内的值，例如[i,j]，它不会转换为["i","j"]。

你能帮我处理括号内的值吗？

https://regex101.com/r/CGskmy/1

Answer 1

这个任务会有一些困难，因为存在歧义。例如，{ "x": [y] } 是变成 { "x": "[y]" } 还是变成 { "x": ["y"] }？我会假设未加引号的字符串不包含 JSON 控制字符，例如 '[', ']', '{', '}', '"', ':', ','。

我认为你可以使用命名捕获组来完成这个任务，这是 PHP 中的一个功能，使用 PCRE 可以实现。这需要一些编程来执行替换。通常的 preg_replace 操作是不够的，因为我们不会替换所有匹配项。

这是我想出来的方法。首先，我匹配引号字符串并忽略它们。其次，我匹配数字并忽略它们。最后，我匹配未加引号的字符串并将其存储在名为“unquoted”的捕获组中。请注意，PCRE 将按照这些替代项的顺序尝试匹配。只有在无法匹配引号字符串和数字时，才会匹配未加引号的字符串。这是这种方法的关键。

一旦我匹配到所有未加引号的字符串，就只需要将输出字符串与替换一起拼接起来。这是通过迭代匹配项并将字符串片段复制到输出中来完成的。

<?php

$in = <<<'IN'
{
    "id":23424938,
    "name":aN,
    "ref":aN,
    "jul":aN,
    "cat":{},
    "src":[],
    "Code":"SA",
    "type":d,
    "spec":[i,j],
    "child":a
}
IN;

// 在输入字符串上匹配。我们特别关注“unquoted”匹配组。
$pattern = '/(?:"(?:\\"|[^"])+")|(?:[\d.]+)|(?P<unquoted>[^{}\[\]":,\s][^{}\[\]":,]*(?<!\s))/';
preg_match_all($pattern, $in, $matches, PREG_UNMATCHED_AS_NULL | PREG_OFFSET_CAPTURE);

// 输出字符串
$out = '';

// 跟踪输入字符串的当前索引
$ix = 0;

// 循环遍历所有未加引号的匹配项
foreach ($matches['unquoted'] as $match) {
    $str = $match[0];
    $pos = $match[1];
    if ($str !== NULL) {
        // 将输入字符串复制到输出字符串
        $out .= substr($in, $ix, $pos - $ix);
        // 将匹配的字符串复制到输出字符串，用引号括起来
        $out .= '"' . $str . '"';
        // 更新输入字符串索引
        $ix = $pos + strlen($str);
    }
}

// 将输入字符串的尾部复制到输出字符串
$out .= substr($in, $ix, strlen($in) - $ix);

// 输出字符串
echo $out;

我没有处理完整的 JSON 数字语法，也没有处理 JSON 语法，例如 true、false 或 null。希望这个答案是一个起点，你可以根据自己的需求进行调整。

InSync 提供了一个很好的正则表达式，它不使用命名捕获组，而是命令 PCRE 跳过不需要的匹配项。

(?:
  "(?:[^\"rrreee-\x1F\x7F]|\["\/bfnrt]|\u[\dA-Fa-f]{4})*"
|
  -?(?:0|[1-9]\d*)(?:\.\d+)?(?:[eE][+-]?\d+)?
)
(*SKIP)(*FAIL)
|
[^{}[\]:,\s]+