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：
(?<=")[^#"]+(?=")|[^# "]+
配合全局标志 g（JavaScript 中为 /.../g），它能智能覆盖两类目标：
使用 JSON Schema 验证 JSON 数据，从示例 JSON 生成 schema，并将其转换为 TypeScript 接口、Python 数据类或 Markdown 文档。
引号内内容：(?<=")[^#"]+(?=")
利用正向先行断言 (?<=") 和正向后行断言 (?=")，精准捕获位于双引号之间的、不含 # 或 " 的连续字符（即引号内实际值，不含引号本身）。
✅ 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：[^# "]+
匹配任意不包含 #、空格、换行符（ / ）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 $bar 34`; const regex = /(?<=")[^#"]+(?=")|[^# "]+/g; const tokens = input.match(regex) || []; console.log(tokens); // 输出： // [ // 'include', 'folder/file.txt', // 'include', 'folder with spaces/file.txt', // 'include', '$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：(?<=")[^#"]+(?=")|(?<=')[^#']+(?=')|[^# '"]+（注意引号字符类同步更新）。
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。
