請賜教:正則語法

喬治兄

( A' ?  R% M7 ~% f6 D2 F此兩個正則語法問題困擾小弟很久因正則實在難以下嚥,特請同好指點迷津不吝指導
在此感謝大德
0 J* o% ^0 X4 }: @6 P2 y+ z
' h: P, L* z# N' i6 B問題 1. 想處理每個詞條若內容詞條相同則前後以 ①詞條② 包覆
abc
7 q- \4 K1 ]! e8 l6 H5 d3 d  Ysdf , jhdj , hjdk , abc , def
- @( Q7 o2 l) n& s</>
0 E( w" }: v9 {: s1 }
2 }$ \6 u' y2 z想處理成

9 G1 L) e3 U" Z. ]% F. kabc
sdf , jhdj , hjdk , ①abc② , def
</>
6 T: U# E' u# ^1 R3 _/ f  g/ C5 A5 M
5 l' [  B7 l+ c! w( K3 V問題 2. 想處理每個詞條若內容有~則以詞條替換
host
) K! T* s$ D3 |( d, ]( fa ~ of
~s of
a ~ of friend
; T2 u+ |6 g( L. [$ D# x</>
- L8 O& e+ _  p0 L) F  N* @
想處理成
* z8 n* U! m4 U% @host
. S% P# ?8 G! Q9 s6 }* j6 B, U; H/ ua host of
# E) h9 E4 V% K7 `6 l4 Shosts of
a host of friend
</>

8 I+ ]: y. g( W) w  }, H& L9 a) p' ?

jeanleem6

喬治兄 发表于 2019-3-15 15:31
- r" D" T5 Y( u) tjeanleem6 女施主請教
* N9 N" [' H' R* i如果實務上是此狀況想處理成 7 樓的圖示
能解嗎?

+ \0 A: x5 n, O7 {+ c可以实现，查询起来更简单，不需要考虑单词边界和断言，如下：

查询正则：

1. ^([^\n]+?)\n([^\n]*?)<a ([^\n><]+?)>\1</a>([^\n]*?)\n</>

复制代码

替换为：
1 z0 A3 b% h7 v- L! f- _% f

1. \1\n\2<a \3>①\1②</a>\4\n</>

复制代码

7 e1 ~3 @. L& L) }; [

simonfire

正则理论上是可以搞定这个的，需要编辑器支持分组和反向引用。针对问题1，可以试试下面的正则，那个\n要根据你的编辑器调整，也可能是\r\n。问题2一样的思路，～分为一组，用\1替换即可。
不过，这都是基于简单的例子来说，文件复杂的话，还得做调整
$ B9 @3 ?( v% \, U; Q! o查找：

1. (.+)\n(.*?)(\1)(.*?)\n</>

复制代码

替换：

1. \1\n\2①\3②\4\n</>

复制代码

下面是我的测试文本：
* i& L9 `: {6 B8 s! s! y: U8 b替换前：

1. ab
   
2. ac,ab,as,ad,af
   9 @% f* n' p1 N; @- J" j
3. </>
   ; J7 m8 U3 _; n2 \& `& d# ?' ~
4. 
   & c" Y% ]) t; l% M" ?' Q7 o
5. ac
   / B' m4 g) k9 z) z, A! N
6. ac,ab,as,ad,af
   
7. </>
   ( k+ r9 n9 F9 j  e" n# t& j2 I
8. as
   5 z( l; M& J. h, X0 h
9. ac,ab,as,ad,af
   3 k7 l+ ~7 y, V! n
10. </>
    
11. ad
    
12. ac,ab,as,ad,af
    
13. </>
    ) l/ e! f6 k* |5 t! t; t9 q, `7 |
14. af
    
15. ac,ab,as,ad,af
    
16. </>
    
17. aw
    9 `1 j3 s1 B* r% B9 K9 F
18. ac,ab,as,ad,af
    & h' g0 Q2 V) P" F
19. </>

复制代码

替换后：

1. ab
   2 O3 ^2 A6 w- Q8 ?
2. ac,①ab②,as,ad,af
   4 X* X5 E( v; r. o  Z
3. </>
   7 e+ H5 l( {" u: m( d9 F# H* k
4. 
   8 E0 x! G: N6 s2 L7 e) k2 ]
5. ac
   4 d3 `, A! G3 u' A7 n- t* D  G# v; |2 e
6. ①ac②,ab,as,ad,af
   
7. </>
   6 H* N( V4 C( X) m: w& T
8. as
   
9. ac,ab,①as②,ad,af
   
10. </>
    
11. ad
    . N# o1 o" }2 i
12. ac,ab,as,①ad②,af
    
13. </>
    
14. af
    6 m! W: w1 }+ F3 w" _  ?3 {
15. ac,ab,as,ad,①af②
    
16. </>
    
17. aw
    
18. ac,ab,as,ad,af
    1 u4 @& E5 E" t/ u
19. </>

复制代码

0 X$ A# F! u; d; V5 K/ M
! |+ D0 L0 ~) X1 a7 I2 O0 I

VimVim

) e" v/ |1 Y! t" M) @4 x关于直接用正则表达式难以解决的文本处理，我建议采用Vim，使用其“宏”的功能分步解决就容易了，比如第二个替换~的思路：

% P7 H/ i9 B0 x) a4 H5 t

1. 1、将</>暂更改为</mdxkey><mdxkey>
   2 [% A3 s6 M/ k) C! g
2. 2、先微观层面处理一个keyword
   1 H) ^7 t2 X" P0 z* k
3. （1）搜索<mdxkey>，并移动到下一行keyword处
   , n$ t; D" w+ l9 ?9 o# ]# o+ Z
4. （2）复制keyword到剪贴板或vim的某个寄存器
   , C9 w, u- H2 F& \- b8 b
5. （3）选中<mdxkey>和</mdxkey>范围（vim中只要用vit或vat均可），在这个范围内搜索替换所有的“~”为剪贴板或vim寄存器中的内容
   ! ]: X; L% [# I6 x
6. 3、将上述（1）-（3）步骤录制为一个宏(q+任意小写字母即可，如qk)
   
7. 4、重复播放在宏即可(即@k，可以在前面加上一个大于keyword数量的数字即可对所有全文进行替换)
   + G: f9 Y( \* V! Q9 @6 ]
8. 5、将</mdxkey><mdxkey>替换为</>

复制代码

Snowdax

这两个我感觉正则就不大能解决问题了，因为一个正则表达式是针对整个文件的，而问题中涉及的与各个词条有关，每个词条都不一样。这两个问题可能需要通过编程来解决，大致思路如下：
假设每个词目占三行。写一个循环，把第二行中每一个第一行的词头前后分别包裹 ① 和 ②（针对问题一），每一个 ～ 替换为第一行的词头（针对问题二）。

anyid999

会不会编程.

喬治兄

simonfire 发表于 2019-3-15 11:53
, G4 N/ m9 H: N- G/ f正则理论上是可以搞定这个的，需要编辑器支持分组和反向引用。针对问题1，可以试试下面的正则，那个\n要根 ...

感謝 simonfire 兄提供一個解決方案,解決了小弟多年的困擾
Thanks Again
! K& W( r" H& I: o+ }

喬治兄

' c2 ?6 S, P/ A' {9 V, l( [: f

simonfire 发表于 2019-3-15 11:53
" y6 L8 _* e" ^; T正则理论上是可以搞定这个的，需要编辑器支持分组和反向引用。针对问题1，可以试试下面的正则，那个\n要根 ...

- x- B2 ?8 m, osimonfire 兄:
0 M. N5 f0 b: }2 y; a" I第一個問題小弟用您的方法真是解的非常漂亮......讚
# l( I; a: ~) e+ ]& [! |) Z: Q& j能否再更進一步倘若小弟的格式如附件
( w1 `  U" M& o1 b稍微複雜一下的情況當如何解
/ I; i) L: _: H5 J% T+ b9 ^ test-3.txt file 100k 在底下
謝謝啦
  Z+ D- r0 x5 V, f+ G1 y' b+ p* s/ a1 {2 [

jeanleem6

. m, u0 C6 K' F+ O% w

simonfire 发表于 2019-3-15 11:53
正则理论上是可以搞定这个的，需要编辑器支持分组和反向引用。针对问题1，可以试试下面的正则，那个\n要根 ...

& K8 _- w) T! I8 u& y/ d- V8 x# h在你的代码上做了一点修改，主要是考虑了单词边界（\b）和多次替换的情况，比如：

1. ab
   3 g% h7 y/ k3 z( G5 ^; t
2. ad,fad,fefsda,abcd,ab,cd,ab
   0 g& `# @4 I. d9 u$ g6 s; ?3 X! L) H
3. </>

复制代码

注意：词条内容区的 abcd，还有 ab 出现了两次，不考虑单词边界的情况下 abcd 中的 ab 也会被替换，单词前后不做断言的情况下多次替换会出现一直替换第一个匹配项，得到类似 ①①ab②② 这样的结果。

- o6 i8 t( M! U& @修改后的查找代码：

1. (.+)\n(.*?)\b(?!①)(\1)(?!②)\b(.*?)\n</>

复制代码

& r: x  G. y+ X, N! ^1 D替换：

1. \1\n\2①\3②\4\n</>

复制代码

喬治兄

; X- r  |0 o2 r2 y5 H

jeanleem6 发表于 2019-3-15 14:33
1 P( V7 h6 |$ [/ L1 a在你的代码上做了一点修改，主要是考虑了单词边界（\b）和多次替换的情况，比如：注意：词条内容区的 abcd ...

" D* @+ U. ~) Yjeanleem6 女施主請教
如果實務上是此狀況想處理成 7 樓的圖示
8 u* B- C4 \" ~* T5 {能解嗎?
6 Z+ Q2 F2 R* ]9 |4 S4 ^已附上附件 test-3.txt
Thanks Again
aa
<a href="entry://aa">aa</a> , <a href="entry://AAA">AAA</a> , <a href="entry://aah">aah</a> , <a href="entry://aardvark">aardvark</a> , <a href="entry://aardwolf">aardwolf</a> , <a href="entry://Aaron">Aaron</a> , <a href="entry://Aaron's rod">Aaron's rod</a>
+ G' }. l6 n% y/ r4 C  o* A</>
AAA
) c- L$ ~" T+ [2 b$ g5 ^7 W<a href="entry://aa">aa</a> , <a href="entry://AAA">AAA</a> , <a href="entry://aah">aah</a> , <a href="entry://aardvark">aardvark</a> , <a href="entry://aardwolf">aardwolf</a> , <a href="entry://Aaron">Aaron</a> , <a href="entry://Aaron's rod">Aaron's rod</a>
. p( s; {+ t$ u; _9 s  t</>
aah
+ E+ g8 x2 o& ~9 D. t2 q% g<a href="entry://aa">aa</a> , <a href="entry://AAA">AAA</a> , <a href="entry://aah">aah</a> , <a href="entry://aardvark">aardvark</a> , <a href="entry://aardwolf">aardwolf</a> , <a href="entry://Aaron">Aaron</a> , <a href="entry://Aaron's rod">Aaron's rod</a>
$ m! y# a& b- {3 k</>
aardvark
4 K/ q# c' ]; i# ~<a href="entry://aa">aa</a> , <a href="entry://AAA">AAA</a> , <a href="entry://aah">aah</a> , <a href="entry://aardvark">aardvark</a> , <a href="entry://aardwolf">aardwolf</a> , <a href="entry://Aaron">Aaron</a> , <a href="entry://Aaron's rod">Aaron's rod</a>
# D* ^7 e/ {& m9 K2 B</>
" i1 {1 h1 _+ N- K) h' P
處理成
' Q" u/ P- r. k( Q$ m! v1 L
! F. n, ~+ B; b1 f" Q8 gaa
8 D. v, X$ B# n<a href="entry://aa">①aa②</a> , <a href="entry://AAA">AAA</a> , <a href="entry://aah">aah</a> , <a href="entry://aardvark">aardvark</a> , <a href="entry://aardwolf">aardwolf</a> , <a href="entry://Aaron">Aaron</a> , <a href="entry://Aaron's rod">Aaron's rod</a>
</>
, O) M4 b7 r8 b- K  Z4 UAAA
6 f& U& m9 @- B; |2 L; A<a href="entry://aa">aa</a> , <a href="entry://AAA">①AAA②</a> , <a href="entry://aah">aah</a> , <a href="entry://aardvark">aardvark</a> , <a href="entry://aardwolf">aardwolf</a> , <a href="entry://Aaron">Aaron</a> , <a href="entry://Aaron's rod">Aaron's rod</a>
</>
aah
<a href="entry://aa">aa</a> , <a href="entry://AAA">AAA</a> , <a href="entry://aah">①aah②</a> , <a href="entry://aardvark">aardvark</a> , <a href="entry://aardwolf">aardwolf</a> , <a href="entry://Aaron">Aaron</a> , <a href="entry://Aaron's rod">Aaron's rod</a>
4 \! c! K1 u' N# p8 r8 [1 |; A, }, J</>
aardvark
( D0 b9 W$ E, N) Q; d<a href="entry://aa">aa</a> , <a href="entry://AAA">AAA</a> , <a href="entry://aah">aah</a> , <a href="entry://aardvark">①aardvark②</a> , <a href="entry://aardwolf">aardwolf</a> , <a href="entry://Aaron">Aaron</a> , <a href="entry://Aaron's rod">Aaron's rod</a>
) |- F! ~0 S/ X' Q, m# P</>

喬治兄

VimVim 发表于 2019-3-15 14:29
关于直接用正则表达式难以解决的文本处理，我建议采用Vim，使用其“宏”的功能分步解决就容易了，比如第二 ...

5 t6 D  p- z7 i6 @7 ^8 [3 ^VimVim 兄:
哇! Vim 沒用過
不知重何學起

喬治兄

jeanleem6 发表于 2019-3-15 15:55
可以实现，查询起来更简单，不需要考虑单词边界和断言，如下：

查询正则：

感謝 jeanleem6 女施主賜教
5 P$ s0 I$ F. ^* o. A終於解了多年難以理解的正則
真是太感謝啦
Thanks Again

喬治兄

jeanleem6 发表于 2019-3-15 15:55
可以实现，查询起来更简单，不需要考虑单词边界和断言，如下：

查询正则：

jeanleem6 女施主再次向您請益賜教
1 v# B' b1 m7 r- H真不好意思一直麻煩您
倘若有需求想處理成
也就是內容和詞頭一樣時全部標上
不知是否能也能解
4 X$ M% x  j$ f7 P7 b0 E5 a謝謝您

aa
<a href="entry://aa">①aa②</a> , <a href="entry://AAA">①AA②A</a> , <a href="entry://aah">①aa②h</a> , <a href="entry://aardvark">①aa②rdvark</a> , <a href="entry://aardwolf">①aa②rdwolf</a> , <a href="entry://Aaron">①Aa②ron</a> , <a href="entry://Aaron's rod">①Aa②ron's rod</a>
</>

喬治兄

3 [7 C& @) Q" x

jeanleem6 发表于 2019-3-15 15:55
可以实现，查询起来更简单，不需要考虑单词边界和断言，如下：
2 y2 G5 x1 G5 X+ G0 {6 g
查询正则：

) p2 G0 R, k# y" K" B+ ~
jeanleem6 女施主:
哇!, 太強捍了剛剛試了您的正則, 太完美了.....漂亮...讚!讚!讚!
1 Q3 ]$ T  e- t# N8 c* c,一秒 work
謝謝

& ~+ O$ ?/ @5 e  |+ g
, E/ V4 h& d' Q; w- a7 ?' H

anyid999

正则高手啊....

anyid999

能处理所有的单词吗?

喬治兄

anyid999 发表于 2019-3-15 19:58
6 |, @# w4 G# A8 ]' G; _4 W. F/ F能处理所有的单词吗?

9 h6 `% {9 X/ c0 ~( ]anyid999 兄:
是的 jeanleem6 女施主的正則能處理所有的单词