删除带括号的注释，正则表达式

Question

所以，我有一个 300 多页的文档，我想删除我写的所有注释，这些注释包含在“[(”和“)]”中。因为我有时也会嵌套多个音符，“[(blah [(blah [(blah)])] )]”，我需要确保我不只是删除“[(blah [(blah [(blah)]”) .

所以，要做到这一点，我不确定什么是最有效的......这是一项艰巨的工作。我想到的是，我可以检查是否有两个连续的“[（”，它们之间有一个“。*”，只需删除“[（...）]”的简单案例。我希望不过，还有比这更好的方法。

我认为我使用的两个正则表达式代码类似于 "/(?和 "/(?![\s\S][[(][\s\S][[(]).*/gi"。类似的东西? 对不起，我还在努力弄清楚这些事情。

另外，我可以编写一个 python 程序来打开 OpenOffice (odt) 文件并对其进行编辑吗？ “open(r'C:\Users\Blah\Documents\Blah.odt', 'rw').read()” 也适用，对吧？

Answer 1

或者，您也可以使用pyparsing。

import pyparsing as pp

pattern = pp.ZeroOrMore(pp.Regex(r'.*?(?=\[\()') + pp.Suppress(pp.nested_expr('[(', ')]'))) + pp.Regex(r'.*')
pattern = pattern.leave_whitespace()

txt = ''
result = ''.join(pattern.parse_string(txt))
assert result == ''

txt = 'blah'
result = ''.join(pattern.parse_string(txt))
assert result == 'blah'

txt = 'blah\nblah'
result = ''.join(pattern.parse_string(txt))
assert result == 'blah'

txt = '[(blah [(blah [(blah)])] )]'
result = ''.join(pattern.parse_string(txt))
assert result == ''

txt = ' blah [] blah () blah [( blah [] blah () )] blah [[]] blah (()) blah ([]) blah '
result = ''.join(pattern.parse_string(txt))
assert result == ' blah [] blah () blah  blah [[]] blah (()) blah ([]) blah '

txt = 'a[(b[(c)])]d[()]e[(f[(g[(h)]i[(j)])]k[(l[(m)])])n[(o)])]p[(q[(r)]s)]t[(u[(v[(w)]x[(y)]z)])]!'
result = ''.join(pattern.parse_string(txt))
assert result == 'adept!'

* pyparsing可以由pip install pyparsing安装

注意：

如果[()] 中的一对括号被破坏（例如a[(b[(c)]、a[(b)]c)] 等），则会获得意外结果或引发IndexError。所以要小心使用。 （见：Python extract string in a phrase）

Answer 2

以这种方式检查：

a = '[(blah [(blah [(blah)])] )]'

x = re.compile(r'([\[])(.*?)([\]])')
remove_text = re.sub(x, r'', a)

Answer 3

一种方法是重复删除（用空字符串替换匹配项）此类不包含子句的子句，直到不再进行替换为止。如果最大级别数是n，这将需要n+1 迭代。要匹配的正则表达式如下：

\[\((?:(?!\[\().)*?\)\]

Demo

---

考虑字符串：

begin [(Mary [(had [(a )]lil' [(lamb [(whose [(fleece )])])])])]was [(white [( as )])]snow
      1      2     3    3     3      4       5         5 4 3 2 1    1       2      2 1

如图所示，它有五个嵌套级别。第一次替换后我们得到：

begin [(Mary [(had lil' [(lamb [(whose )])])])]was [(white )]snow
      1      2          3      4        4 3 2 1    1        1

第二次替换后：

begin [(Mary [(had lil' [(lamb )])])]was snow
      1      2          3       3 2 1

第三次替换后：

begin [(Mary [(had lil' )])]was snow
      1      2           2 1

第四次替换后：

begin [(Mary )]was snow
      1       1

第五次替换后：

begin was snow

下次尝试替换后：

begin was snow

由于在最后一步没有进行替换，所以我们完成了。

---

正则表达式可以分解如下。

\[\(        # match '[('
(?:         # begin non-capture group
  (?!\[\()  # negative lookahead asserts that next to chars are not '[('
  .         # match any char
)*?         # end non-capture group and execute zero or more times lazily
\)\]        # match ')]'

正则表达式采用了一种称为tempered greedy token solution的技术。