正则做不到这个是吧？

V2EX = way to explore

V2EX 是一个关于分享和探索的地方

现在注册

已注册用户请登录

V2EX 提问指南

这是一个创建于 2305 天前的主题，其中的信息可能已经有所发展或是发生改变。

匹配字符串： <sometag>一些任意不定长的文字，但不包括 AT 符号和小于号</sometag>

一步将其替换为： <sometag>一 @些 @任 @意 @不 @定 @长 @的 @文 @字 @，@但 @不 @包 @括 @A@T@符 @号 @和 @小 @于 @号</sometag>

也就是在 tag 内部的任意两个字符之间插入 @ 。

我想了下应该是做不到的，请大家帮确认下。

第 1 条附言 · 2018-08-03 13:38:07 +08:00

此问题的应用场景是一个大约 5M 的 shell 脚本，这个 shell 脚本是一系列 sed 替换语句的集合，sed 替换规则中全部是正则。

只考虑用正则是因为：
1、这个脚本是由其它一堆 shell 脚本生成的，维护不是很“直接”
2、shell 的函数功能比较弱，复杂些的也不好维护
3、引入函数可能急剧增加运行时间

sometag

字符

任意

不定

22 条回复 • 2018-08-05 12:10:31 +08:00

thedog

2018-08-03 12:31:13 +08:00 via Android

当成一个列表，join 一下？不明白为什么要用正则

jayx

2018-08-03 12:33:43 +08:00

python 零宽断言匹配，然后 join()方法插入

CEBBCAT

2018-08-03 12:49:37 +08:00

正则把 sometag 匹配出来，别的事交给我 C 来做

dreasky

2018-08-03 13:11:51 +08:00

re.sub(r'(.)', r'@\1', r'一些任意不定长的文字，但不包括 AT 符号和小于号')
'@一 @些 @任 @意 @不 @定 @长 @的 @文 @字 @，@但 @不 @包 @括 @ @A@T@ @符 @号 @和 @小 @于 @号'

中文需要 python3，剩下的问题很简单

rabbbit

2018-08-03 13:23:41 +08:00

硬写成一行倒是可以 js
text = '<sometag>一些任意不定长的文字，但不包括 AT 符号和小于号</sometag>';
text.replace(/(?<=<sometag>)(.*)(?=<\/sometag>)/, (str) => {return str.split('').filter(function(i) { return i.trim() !== '' ? true: false}).join('@')});
// "<sometag>一 @些 @任 @意 @不 @定 @长 @的 @文 @字 @，@但 @不 @包 @括 @A@T@符 @号 @和 @小 @于 @号</sometag>"

rabbbit

2018-08-03 13:25:45 +08:00

更正
text.replace(/(?<=<sometag>)(.*)(?=<\/sometag>)/, (str) => {return str.split('').filter((i) => { return i.trim() !== ''}).join('@')});

helloiac

2018-08-03 13:40:27 +08:00

@dreasky 谢谢。因为待匹配文本是不确定的，且有 tag 包裹这个 context 限定，所以恐怕这个方案不可行。

ragnaroks

2018-08-03 13:42:00 +08:00

有个文本处理问题,他想到用正则来解决,现在他有两个问题了

helloiac

2018-08-03 13:42:15 +08:00

@thedog 谢谢，APPEND 了信息，没有类似 join 的函数可用，且效率太低。

ragnaroks

2018-08-03 13:43:22 +08:00

如果是每个字符后加 at 的话,我的想法是创建个 2 倍字符数的数组,遍历进去..

helloiac

2018-08-03 13:44:15 +08:00

@CEBBCAT 是不是正则匹配出来，暂存到变量，更改后再 replace 回去呀？

helloiac

2018-08-03 13:45:58 +08:00

@rabbbit 谢谢具体方案，用比较高级的语言的话这个方案挺好的，不过我用的是 shell，sed 也不支持零宽断言。

yyfearth

2018-08-03 13:51:45 +08:00

@helloiac 正则一次找不到但是两次应该可以做到
先把 tag 里面的内容抓出来然后替换里面的内容每个字后面中间加 at （除了第一个字每个字去买加或者除了最后一个每个后面加）

@rabbbit 都用上箭头了为啥还要用 return 另外可以不用 filter
text.replace(/(?<=<sometag>)(.*)(?=<\/sometag>)/, str => str.split(/\s*/).join('@'))

另外这个用到了最新的 ES RegExg 的功能 "?<=" 其实不用也可以
text.replace(/(<sometag>)(.*)(?=<\/sometag>)/, (a, b, str) => b + str.split(/\s*/).join('@'))

JmmBite

2018-08-03 13:58:19 +08:00

```ruby
'<tag>一些任意不定长的文字，但不包括 AT 符号和小于号</tag>'.gsub(/(?<!>)([^\@\>\<\s])/, " @\\1")

=> "<tag>一 @些 @任 @意 @不 @定 @长 @的 @文 @字 @， @但 @不 @包 @括 @A @T @符 @号 @和 @小 @于 @号</tag>"
```

FanWall

2018-08-03 14:10:15 +08:00 via Android

正则很容易做到，但如果不支持环视就无法一句搞定。

helloiac

2018-08-03 15:17:56 +08:00

@JmmBite 在 irb 运行了一下，结果跟你的不一样。

irb(main):004:0> '<tag>abcdefg</tag>'.gsub(/(?<!>)([^\@\>\<\s])/, " @\\1")
=> "< @t @a @g>a @b @c @d @e @f @g< @/ @t @a @g>"

CEBBCAT

2018-08-03 16:25:27 +08:00

@helloiac #11 输入输出流分开，加了'@'的文本直接写到另一个文件里去

goofool

2018-08-03 18:37:03 +08:00

瞎写
sed """ /<.*>/{h; s/$<[^\/]*>$.*/\1/p;g;s/<.*>$.*$<\/.*>/\1/;s/$.$/\1@/g; s/@$//p;g;s/.*$<\/.*>$/\1/p;d;}; p """ test.txt

rabbbit

2018-08-04 02:46:06 +08:00

@yyfearth
你记忆力真好啊,我就记不住这么多用法细节

hundan

2018-08-04 12:45:02 +08:00

@FanWall 怎么做呢，想了想感觉用环视也做不出

helloiac

2018-08-05 12:06:24 +08:00

@CEBBCAT 这个脚本中是一系列管道串起来的 sed，很多行都是要运行这个的。你说的写到另一个文件里是什么意思？

helloiac

2018-08-05 12:10:31 +08:00

@hundan
@FanWall 是的，我也不明白用环视怎么解决。
我认为根本问题是待匹配对象不定长，而正则替换又不能将 [量词表达的捕获组] 循环处理。