請賜教:正則語法

喬治兄

: ]0 C5 H& \3 c4 A; C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
. E) M3 F# A% e. j2 Q在此感謝大德

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
, x1 s: B$ A# I* D2 J0 ~0 U, |sdf , jhdj , hjdk , abc , def
* {! d& H6 U" h2 f# [</>
' S7 C4 x9 c) K5 m* F6 w
8 r, I7 z& \+ [) W. k想處理成

abc
sdf , jhdj , hjdk , ①abc② , def
; q  g* y6 ^) i( S2 k8 h" H$ e( `- a7 z</>
* D/ W+ |% w# V& c  j
0 }( Y4 S+ M1 o( `3 W問題 2. 想處理每個詞條若內容有~則以詞條替換
4 P& M; G  Q9 [host
) Y1 M$ q/ h8 @, ca ~ of
~s of
0 @4 l7 C5 M" G$ ~a ~ of friend
</>

想處理成
* \8 u: o4 {; X: ?host
a host of
( O2 M( b( R) b; o5 }hosts of
( G* }) n4 k' S& Y, [' h. ba host of friend
, O2 `3 @( W  J</>
; [( U8 v+ d/ T& @$ R$ o1 f

. z, m% @2 L. C

jeanleem6

喬治兄 发表于 2019-3-15 15:31
, x/ x6 D$ b/ Z" t- S+ S+ Njeanleem6 女施主請教
如果實務上是此狀況想處理成 7 樓的圖示
能解嗎?

2 D* a1 o# v( Y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：

0 B: d7 S5 g( z查询正则：
6 Z- v+ d% c3 q  Q0 a" r2 X8 k. ^

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

复制代码

替换为：

1. \1\n\2<a \3>①\1②</a>\4\n</>

复制代码

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。
! p; j# m4 P% T6 Q3 b" H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
7 E* C$ ~/ ~6 C9 Q5 o, T查找：

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

复制代码

替换：
5 n. D& H0 v  b& p

1. \1\n\2①\3②\4\n</>

复制代码

下面是我的测试文本：
替换前：

1. ab
   
2. ac,ab,as,ad,af
   
3. </>
   ; J' l. {# b$ D, r- s2 p! V
4. 
   2 [3 t2 T$ L# ]; [) L( N
5. ac
   
6. ac,ab,as,ad,af
   
7. </>
   5 P) }& z" \; C: I$ ^: V9 R4 g
8. as
   ( H( z7 ~6 H/ X9 j# c
9. ac,ab,as,ad,af
   
10. </>
    " i; e' ~; P  E9 S( J% E& z) g" W) B5 j) b
11. ad
    
12. ac,ab,as,ad,af
    
13. </>
    / e7 Z0 O* Y1 ^. m. m" Z) h. M
14. af
    # L: @$ Q+ r* I  O1 r
15. ac,ab,as,ad,af
    $ q6 @1 T" V7 V7 c
16. </>
    , v( I: f9 M/ M8 v8 V- w7 U5 }: `& ]
17. aw
    7 v# v4 N* f* a* e( r; r9 h
18. ac,ab,as,ad,af
    7 _" o$ q! z& w- k% I
19. </>

复制代码

替换后：

1. ab
   
2. ac,①ab②,as,ad,af
   
3. </>
   
4. 
   ' i/ G9 i8 D. N6 [
5. ac
   7 X3 ~) {. H  r( C/ l
6. ①ac②,ab,as,ad,af
   
7. </>
   % y- v" d( J( ?; O+ N. Z: b) s
8. as
   3 X0 l! B  I# h
9. ac,ab,①as②,ad,af
   5 T/ R! u6 n( C: m9 e
10. </>
    % O& ?( D, e$ B6 v+ E
11. ad
    
12. ac,ab,as,①ad②,af
    : T: b4 @" U& f
13. </>
    + X6 W2 }# z- Z+ f
14. af
    
15. ac,ab,as,ad,①af②
    
16. </>
    
17. aw
    5 U* k  w  ~# {* \- `
18. ac,ab,as,ad,af
    1 u( U3 Y5 e1 E9 ?0 n% Q
19. </>

复制代码

1 M* `5 Q9 M( |

. T. x# l/ \; v& ?* b; r) q

VimVim

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：

1. 1、将</>暂更改为</mdxkey><mdxkey>
   
2. 2、先微观层面处理一个keyword
   
3. （1）搜索<mdxkey>，并移动到下一行keyword处
   3 B+ l" l# \* m
4. （2）复制keyword到剪贴板或vim的某个寄存器
   6 u2 j' g3 X2 Q1 z2 J' l! s1 P; g, Y
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
   
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)
   ' i3 y. d8 W6 t) J/ R3 D$ ?# F* J
8. 5、将</mdxkey><mdxkey>替换为</>

复制代码

0 F" N+ E6 T& x" D

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：
; P4 ^: c1 [9 M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
- ^& v" X1 j& p( x1 q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

喬治兄

simonfire 发表于 2019-3-15 11:53
7 [# N. h0 s2 _, s0 d  @" g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 ...

simonfire 兄:
第一個問題小弟用您的方法真是解的非常漂亮......讚
. |' v3 v7 J" |! C& H( i1 O4 S能否再更進一步倘若小弟的格式如附件
稍微複雜一下的情況當如何解
0 i7 W. }8 F9 O test-3.txt file 100k 在底下
, z. G" _' P) }  m' Z9 a. H謝謝啦

jeanleem6

8 p% _9 [" w1 \9 p7 o- [

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 ...

2 e5 G! l# I# R7 V& |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
   
2. ad,fad,fefsda,abcd,ab,cd,ab
   9 Z  z" g0 h* i, ~1 w
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。

* v6 F3 }9 W; r& c7 @6 @修改后的查找代码：

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

复制代码

# a* _7 o. x: C; G: v替换：

1. \1\n\2①\3②\4\n</>

复制代码

3 P# _/ [5 f! V  M, D7 k& @" m1 d

喬治兄

jeanleem6 发表于 2019-3-15 14:33
+ Z; P& Y3 Z$ R1 I/ y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 ...

. e4 N5 _4 b- M, `2 U
jeanleem6 女施主請教
如果實務上是此狀況想處理成 7 樓的圖示
能解嗎?
- P, N* k5 s1 A已附上附件 test-3.txt
2 r( `% P; R) {9 nThanks 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>
</>
AAA
<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>
* |# _; O3 w$ J# Q% ~. a2 M5 l</>
aah
% k( j$ F) x8 x" W  h6 u<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>
. {9 v0 y0 d" b</>
aardvark
1 O- N% c! R" E- D, D4 ?<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>
</>
. {* L& m( [8 F7 [% ~8 _6 |
$ s/ `0 d6 w* b& m6 B- }8 V7 r2 _1 O處理成
1 o- q1 Y0 L  W" r! w
- `, c6 B: [$ Z/ Qaa
/ Q+ p& \. ^& m' v$ F) S<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>
' v) `. d; X. A5 Z: g" k4 f# K</>
7 C5 Y5 X) H4 _) y" lAAA
<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>
0 M0 h. ?  {  ^  N$ ^+ b3 B5 L</>
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>
</>
aardvark
<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>
+ `  Q2 u0 T! c</>
1 ?$ x7 Y. C8 d

喬治兄

VimVim 发表于 2019-3-15 14:29
# k  E: N9 h( ~) D% I1 Y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 ...

( `7 J" ]) |  ~VimVim 兄:
2 j! Y& m; w, F; j& A% z; [哇! Vim 沒用過
% d: ~5 Y, b1 o6 J8 h8 g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
終於解了多年難以理解的正則
真是太感謝啦
Thanks Again
+ l# l0 X" W9 }# r# z

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：
! Q" Y1 `7 e3 N3 c7 K. D
: P3 _) m$ d9 g查询正则：

% K# y) [( Y$ Kjeanleem6 女施主再次向您請益賜教
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
謝謝您
, N+ W0 E( i# n) s. s
aa
2 X& l1 d8 ~0 s/ k2 I/ }/ O9 A( ]8 R<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>
) G1 I9 [; ^9 V- t7 H8 j</>

喬治兄

* [4 ^, I' |; S9 \. T2 g4 ^9 r

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：
; n3 x- s( r" c1 N' O4 ^0 ^7 @6 {
. S8 n: w( ~2 u7 u0 n& W  K查询正则：

6 A* g6 |  G9 x" ]; g0 }9 K# y* mjeanleem6 女施主:
6 D+ @6 v% H7 J' Y7 u2 _- v0 }哇!, 太強捍了剛剛試了您的正則, 太完美了.....漂亮...讚!讚!讚!
4 c+ z8 m# y* X9 E  k,一秒 work
謝謝
$ v7 j' K6 N# L

  m6 S- d4 f6 F* ^& \" m1 d* K" V

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
- H( F# h' z2 S9 ~' k* i能处理所有的单词吗?

anyid999 兄:
( @4 y) M8 O& }5 A! S是的 jeanleem6 女施主的正則能處理所有的单词
1 H: @" @$ y" M+ v  d8 ?" k