如何使用正则表达式精准提取引号内外的标识符（跳过引号内的空格分隔）

本文介绍一种可靠、可读性强的正则表达式方案，用于从 c 风格预处理指令中准确提取非空格分隔的词元（如 `include`、`"folder with spaces/file.txt"` 中的路径），关键在于区分引号内与引号外的空格语义。

在解析类似 C/C++ 预处理器指令（如 #include、#define）的自定义配置文件时，一个常见难点是：空格在引号内不应作为分词边界，而在引号外必须作为分隔符。例如：

#include "folder with spaces/file.txt"
#define $foo joe

若简单用 [^#\s"]+ 匹配，会错误地将 "folder with spaces/file.txt" 拆分为 folder、with、spaces/file.txt；而若盲目匹配引号内容（如 "[^"]*"），又会遗漏 include、$foo 等无引号标识符。

✅ 推荐解决方案是采用 “双模式交替匹配” 正则表达式：

(?<=")[^#"]+(?=")|[^# \r\n"]+

配合全局标志 g（JavaScript 中为 /.../g），它能智能覆盖两类目标：

虎课网

虎课网是超过1800万用户信赖的自学平台，拥有海量设计、绘画、摄影、办公软件、职业技能等优质的高清教程视频，用户可以根据行业和兴趣爱好，自主选择学习内容，每天免费学习一个...

下载

• 引号内内容：(? 利用正向先行断言 (? ✅ 匹配 "folder with spaces/file.txt" → 得到 folder with spaces/file.txt
  ✅ 不匹配 "nested "quote"（因内部含 "，被 [^#"]+ 自动排除，安全）

• 引号外标识符：[^# \r\n"]+
  匹配任意不包含 #、空格、换行符（\r/\n）和 " 的连续字符序列。
  ✅ 提取 include、define、$foo、joe、$bar、34
  ❌ 自动跳过 # 开头的整行注释（如有）、行首空白及引号边界

? 完整 JavaScript 示例：

const input = `#include "folder/file.txt"
#include "folder with spaces/file.txt"
#include "$variable/file.txt"
#define $foo joe
#define $bar 34`;

const regex = /(?<=")[^#"]+(?=")|[^# \r\n"]+/g;
const tokens = input.match(regex) || [];

console.log(tokens);
// 输出：
// [
//   'include', 'folder/file.txt',
//   'include', 'folder with spaces/file.txt',
//   'include', '$variable/file.txt',
//   'define', '$foo', 'joe',
//   'define', '$bar', '34'
// ]

⚠️ 注意事项：

• 该正则不支持嵌套引号或转义引号（如 "path\"with\\quote"），若需处理转义，应改用词法分析器（如 chevrotain）或增强型正则（如带平衡组的 .NET，但 JS 不支持）；
• 行末注释（如 #define X 1 // comment）中的 // 会被当作普通标识符提取；如需忽略，建议先预处理移除注释；
• 若需兼容单引号字符串，可扩展为：(?

总结：此方案以清晰的逻辑分离“引号上下文”与“裸标识符上下文”，避免了复杂回溯和不可靠的前瞻断言，兼顾可读性、性能与实用性，是处理类 C 预处理文本的轻量级首选方案。