用于在匹配其他条件时排除单词的正则表达式习语答案

【问题标题】：regex idiom for excluding word while matching other conditions用于在匹配其他条件时排除单词的正则表达式习语
【发布时间】：2014-07-31 21:49:46
【问题描述】：

问题如下。我需要匹配每一行：

以<开头
内部没有标签<s>
以标签</s>结尾

例子：

<div> blablabla </div> blablabla </s>
<div> blablabla </div> <s> blablabla </s>

我一直在尝试放置一个否定的前瞻和一个通配符

^<((?!<s>).)*</s>$

也考虑过this trick，但目前没有成功。我也知道

grep -v

但我想要一个纯正则表达式习语，然后我可以在其他上下文中使用（如 sed）

【问题讨论】：

标签： regex sed grep negative-lookahead

【解决方案1】：

您可以使用以下正则表达式：

^(?!.*<s>)<.*</s>$

说明：

^          # the beginning of the string
(?!        # look ahead to see if there is not:
  .*       #   any character except \n (0 or more times)
  <s>      #   '<s>'
)          # end of look-ahead
<          # '<'
.*         # any character except \n (0 or more times)
</s>       # '</s>'
$          # before an optional \n, and the end of the string

Live Demo

使用 grep，您可以使用 -P 选项，它将模式解释为 Perl 正则表达式。

grep -P '^(?!.*<s>)<.*</s>$'

您也可以考虑在上下文中使用交替运算符，将您想要排除的内容放在左侧（说扔掉它，这是垃圾）并将您想要匹配的内容放在捕获组中在右侧。

^.*<s>.*|(<.*</s>)$

Live Demo

【讨论】：

【解决方案2】：

您提到了grep -v 方法，但想要一个“我可以在其他上下文中使用的习语（例如 sed）”。实际上，grep -v 方法也适用于sed。它还通过避免所有花哨的（通常不受支持的）正则表达式结构来保持它非常简单。实现如下：

sed -n '/<s>/n; /^<.*<\/s>/p' file

一次检查一件：

-n

这告诉sed 除非明确要求，否则不要打印任何内容。
/<s>/n;

这告诉sed 跳过任何带有<s> 的行。该命令类似于grep -v。（在sed 中，n 命令表示跳到下一行。）
/^<.*<\/s>/p

这会选择你想要的行并打印出来。

Mac OSX 笔记

如果我没记错的话，OSX sed（可能还有其他非 GNU seds）不支持与分号组合的命令。解决方法是使用-e:

sed -n -e '/<s>/n' -e '/^<.*<\/s>/p' file

【讨论】：

【解决方案3】：

你几乎得到了答案。

^(?!.*<s>)<.*?</s>

您当前的模式所做的是搜索以< 开头的字符串，但不是紧跟<s>。而<s> 标签可以出现在您的文本中的任何位置。

【讨论】：

【解决方案4】：

使用您评论的技巧可以帮助您。

如果你使用这个正则表达式：

.*<s>.*|(.*<\/s>)

您将在捕获组中拥有所需的行。

你有一个working example

【讨论】：