用 Java 正则表达式从字符串中提取嵌套的子字符串

 假设有下面一段文字：

A: "Do you want tickets for tonight?"
B: "What's the movie tonight?"
A: "It's \"The Batman\"."

用 Java 字符串把这段文字写出来就是：

String dialogue = 
    "A: \"Do you want tickets for tonight?\" " +
    "B: \"What's the movie tonight?\" " +
    "A: \"It's \\\"The Batman\\\".\""

接下来的任务是用 Java 正则表达式从 dialogue 中提取出三句对话的内容，即需要输出如下内容：

>> Do you want tickets for tonight?
>> What's the movie tonight?
>> It's "The Batman".

咱们先写出代码框架：

Pattern pattern = Pattern.compile("");
Matcher m = pattern.matcher(dialogue);

while (m.find()) {
    String var = str.substring(m.start(), m.end());
    System.out.print(">> ");
    System.out.println(var.replaceAll("\\\\\"","\"").replaceAll("^\"|\"$", ""));
}

 然后就是写最关键的正则表达式了。如果只是简单地查找两个双引号之间的内容，并不能输出想要的结果：

Pattern pattern = Pattern.compile("\"(.*)\"");

....

输出：
>> Do you want tickets for tonight?" B: "What's the movie tonight?" A: "It's \"The Batman\".

正确的写法是：

Pattern pattern = Pattern.compile("\"([^\\\\\"]*(\\\\.)*)*\"");

这个看起来真头大，下面详细解释一下。

为了方便理解，首先去掉 Java 字符串的转义字符，就变成了下面的样子：

"([^\\"]*(\\.)*)*"

各个部分逐一解释如下：

"	匹配开头的双引号
([^\\"]*(\\.)*)*	对 [^\\"]*(\\.)* 循环若干次，可以是0次。在正则表达式中，两个反斜杠（\\）表示一个实际的反斜杠字符（\）
	[^\\"]*	排除单独出现的反斜杠（\）和双引号（"）。这个的效果是每当遇到单独的双引号，说明这个子字符串已经结束了，要停止继续往后匹配
	(\\.)*	允许由反斜杠（\）转义后任意字符留在子字符串中。在这里的作用是不把 \" 看作两个单独的字符，而是看做一个被转义了的双引号
"	匹配结尾的双引号