使用正则表达式调用替换分隔符内的模式

Question

我需要剪掉所有出现在长字符串中的 inside 单引号的模式 '--'（保留单引号外的那些）。

有没有一种 RegEx 方法可以做到这一点？ （将它与语言中的迭代器一起使用是可以的）。

例如，以

开头

"xxxx rt / $ 'dfdf--fggh-dfgdfg' ghgh- dddd -- 'dfdf' ghh-g '--ggh--' vcbcvb"

我最终应该得到：

"xxxx rt / $ 'dfdffggh-dfgdfg' ghgh- dddd -- 'dfdf' ghh-g 'ggh' vcbcvb"

所以我正在寻找可以从以下语言运行的正则表达式，如图所示：

    +-------------+------------------------------------------+
    |  Language   |                  RegEx                   |
    +-------------+------------------------------------------+
    | JavaScript  |  input.replace(/someregex/g, "")         |
    | PHP         |  preg_replace('/someregex/', "", input)  |
    | Python      |  re.sub(r'someregex', "", input)         |  
    | Ruby        |  input.gsub(/someregex/, "")             |
    +-------------+------------------------------------------+

Answer 1

我从 Greg Hewgill 在Qn138522的回答中找到了另一种方法
它基于使用这个正则表达式（适应包含我正在寻找的模式）：

--(?=[^\']*'([^']|'[^']*')*$)

格雷格解释道：

"它的作用是使用非捕获匹配 (?=...) 来检查字符 x 是否在带引号的字符串中。它会查找一些非引号字符直到下一个引号，然后查找单个字符的序列或引用的字符组，直到字符串的末尾。这取决于您的假设，即引号始终是平衡的。这也不是很有效。"

用法示例如下：

• JavaScript：input.replace(/--(?=[^']*'([^']|'[^']*')*$)/g, "")
• PHP：preg_replace('/--(?=[^\']*'([^']|'[^']*')*$)/', "", input)
• 蟒蛇：re.sub(r'--(?=[^\']*'([^']|'[^']*')*$)', "", input)
• 鲁比：input.gsub(/--(?=[^\']*'([^']|'[^']*')*$)/, "")

我已经针对 Ruby 进行了测试，它提供了所需的结果。

Answer 2

这不能用正则表达式来完成，因为你需要维护你是在单引号内还是在外的状态，而正则表达式本质上是无状态的。 （另外，据我了解，可以在不终止“内部”区域的情况下转义单引号）。

您最好的办法是逐个字符地遍历字符串，保留一个布尔标志来判断您是否在带引号的区域内 - 并以这种方式删除 -- 。

Answer 3

如果允许稍微改变规则，这可能会起作用：

import re
p = re.compile(r"((?:^[^']*')?[^']*?(?:'[^']*'[^']*?)*?)(-{2,})")
txt = "xxxx rt / $ 'dfdf--fggh-dfgdfg' ghgh- dddd -- 'dfdf' ghh-g '--ggh--' vcbcvb"
print re.sub(p, r'\1-', txt)

输出：

xxxx rt / $ 'dfdf-fggh-dfgdfg' ghgh- dddd -- 'dfdf' ghh-g '-ggh-' vcbcvb

正则表达式：

(               # Group 1
  (?:^[^']*')?  # Start of string, up till the first single quote
  [^']*?        # Inside the single quotes, as few characters as possible
  (?:
    '[^']*'     # No double dashes inside theses single quotes, jump to the next.
    [^']*?
  )*?           # as few as possible
)
(-{2,})         # The dashes themselves (Group 2)

如果开始和结束的分隔符不同，您可以使用以下内容：

-{2,}(?=[^'`]*`)

---

编辑： 我意识到如果字符串不包含任何引号，它将匹配字符串中的所有双破折号。解决它的一种方法是更改​​

(?:^[^']*')?

一开始就

(?:^[^']*'|(?!^))

更新正则表达式：

((?:^[^']*'|(?!^))[^']*?(?:'[^']*'[^']*?)*?)(-{2,})

Answer 4

嗯。如果没有带引号的撇号，可能在 Python 中有一种方法，因为存在 (?(id/name)yes-pattern em>|no-pattern) 在正则表达式中构造，但目前它超出了我的想象。

这有帮助吗？

def remove_double_dashes_in_apostrophes(text):
    return "'".join(
    part.replace("--", "") if (ix&1) else part
    for ix, part in enumerate(text.split("'")))

似乎对我有用。它的作用是将输入文本拆分为撇号上的部分，并仅在部分为奇数时替换“--”（即部分之前有奇数个撇号）。关于“奇数”的注意事项：零件编号从零开始！

Answer 5

我相信您可以使用以下 sed 脚本：

:again
s/'\(.*\)--\(.*\)'/'\1\2'/g
t again

将其存储在一个文件 (rmdashdash.sed) 中，并在您的脚本语言中执行任何 exec 魔术，以便您执行以下 shell 等效项：

sed -f rmdotdot.sed 包含您的输入数据的文件

脚本的作用是：

:again

s/'\(.*\)--\(.*\)'/'\1\2'/g

替换模式 ' 后跟任何东西，然后是 -- 后跟任何东西，然后是 '，只是引号中的两个任何东西。

t again

请注意，此脚本会将 '----' 转换为 ''，因为它是引号内的两个 -- 的序列。但是，'---' 会被转换成 '-'。

没有像老学校那样的学校。