正则表达式请教

jonah_w · 发表于 2018-12-25 14:43:56

本帖最后由 jonah_w 于 2018-12-25 14:47 编辑

在制作Mac词典的过程碰到一个问题，就是有的词典的词条释义里用波浪线 ~ 代替了词条本身，我想重新用真正的词条替换掉波浪线 ~，不知道有什么好办法。

词条内容的格式是类似这样的：

<d:entry id="_38ja" d:title="xxx">
<d:index d:value="steal" d:title="steal"/>steal
~ a visit (an interview) 测试(测试)
~ a kiss 测试
~ rides on the train 测试
</d:entry>

复制代码

需要将每个entry里的 ~ 对应替换为当前词条entry 的 title值。
不知道可以通过正则表达式实现吗，或者是否有更好的方法实现这个。

这个是已经制作的Mac词典专辑。
https://www.pdawiki.com/forum/fo ... ction=view&ctid=428

如果问题解决，愿意赠送任一指定的Mac词典（公开的或者未公开的）。
先行谢谢了。

zzhirong · 发表于 2018-12-26 10:02:26

这问题用 XPath 可以不用这么烧脑，用正则表达式则是把简单事情复杂化了，附 python 程序实现，依赖 lxml 库。

#!/usr/bin/env python2
# -*- coding: utf-8 -*-
"""
File: replace_tilde_with_title.py
Author: zzhirong
Email: [email protected]
Description: 替换 span 下的 ~ 为 d:entry 的 d:title 属性
"""
from lxml import etree
s = """<?xml version="1.0" encoding="UTF-8"?>
<d:dictionary xmlns="http://www.w3.org/1999/xml" xmlns:d="http://www.apple.com/DTDs/DictionaryService-1.0.rng">
<d:entry id="_38ja" d:title="xxx">
<d:index d:value="steal" d:title="steal"/>steal
~ a visit (an interview) 测试(测试)
~ a kiss 测试
~ rides on the train 测试
</d:entry>
</d:dictionary>
"""
xml = etree.XML(s)
D_NS = xml.nsmap["d"]
XML_NS = xml.nsmap[None]
for entry in xml.xpath("//d:entry", namespaces={"d": xml.nsmap["d"]}):
title = entry.get("{%s}title" % D_NS, "")
for span in entry.iterfind("./{%s}span" % XML_NS):
span.text = span.text.replace("~", title)
print(etree.tostring(xml))

复制代码

VimVim · 发表于 2018-12-26 06:37:07

本帖最后由 VimVim 于 2018-12-26 11:59 编辑

jonah_w 发表于 2018-12-26 00:04
是正则的宏处理吗？可不可以直接说下正则的思路，然后我试试在其他编辑器写出来，对vim尤其是宏这块完全 ...

1、正则的思路二楼已经说的很清楚了，这里再补充一点详细信息：

我只是照这个思路根据你的词典结构具体实现，并采用vim的替换功能，以及宏命令重复运行该替换操作。

2、你只要:help usr_10即可获得关于本解决方案所需要的Vim基础知识

3、补充方案一的具体思路：
$2h：定位光标到词条定义中
"tyi"：将词条复制进寄存器t(寓意title)
vit：选中当前位置所在标签所包围的内容
:s/\~/^Rt/g：在上述选区范围内进行搜索替换，将所有的～替换为寄存器t中的title内容（其中^R是指Ctrl+r，并非简单字符）
/<d:entry：搜索定位到下一个词条起始位置
最后将上述指令放入寄存器中，并用宏命令@重复执行该寄存器的所有指令。

jonah_w · 发表于 2019-1-12 12:25:55

本帖最后由 jonah_w 于 2019-1-12 12:27 编辑

anyid999 发表于 2018-12-25 17:41
新建个文件夹:
把附件解压放入,
将你的要修改的txt文件, 更名为 inp ...

今天刚试了下这个脚本，发现有错误：

Hello World!
panic: runtime error: index out of range
goroutine 1 [running]:
main.aEreplace(0xc0000a6a11, 0x10, 0x290, 0x0)
D:/Xspace/Xmen/re.go:27 +0xed
main.main()
D:/Xspace/Xmen/re.go:20 +0x20f

复制代码

不知道是不是我机器的问题。

这是input.txt内容：（更新一个附件：

input.txt (2.53 KB, 下载次数: 0) ）

<?xml version="1.0" encoding="UTF-8"?><d:dictionary xmlns="http://www.w3.org/1999/xhtml" xmlns:d="http://www.apple.com/DTDs/DictionaryService-1.0.rng">
<d:entry id="_2udw" d:title="roughshod"><d:index d:value="roughshod" d:title="roughshod"/>roughshod a. 1.(马匹)钉有防滑蹄铁的2.残暴的;残忍的;无情的:a tyrant's ~ rule 暴君的残暴统治<hr class="hr_1"/>ride ~ over / 残暴地(或盛气凌人地)对待;对…横行霸道;对…不予同情: ride ~ over the people 骑在人民头上作威作福ride ~ over the rights of the children 践踏儿童的权利ride ~ over sb.'s feelings 伤害某人的感情The boss rode ~ over the men when they asked for higher wages. 工人们要求加薪,老板不予理睬。</d:entry>
<d:entry id="_2u05" d:title="rookie"><d:index d:value="rookie" d:title="rookie"/>rookie n. 1.新兵;生手,新手:a police ~ 警察新手a ~ star 新星2.(第一年参加联赛的职业球队的)新队员，新秀 [词典校勘] rookie现在通用翻译为“新秀”。另外，括号中说法有歧义。</d:entry>
<d:entry id="_owh" d:title="copybook"> <d:index d:value="copybook" d:title="copybook"/>copybook Ⅰ n. 1.(附有规范供模仿的)习字簿; 描红簿 2.(文件、信件、账目等的)副本合订本, 副未册 Ⅱ a. 1.老一套的, 平庸的: a ~ maxim </d:entry> </d:dictionary>

复制代码

y8888 · 发表于 2018-12-25 14:50:07

这种我以前也常换，首先一个词条做成一行，然后查找(.*)(真正的词条)(.*)~ 替换成\1\2\3\2 一直替换到找不到为止。

jonah_w · 发表于 2018-12-25 14:59:33

y8888 发表于 2018-12-25 14:50
这种我以前也常换，首先一个词条做成一行，然后查找(.*)(真正的词条)(.*)~ 替换成\1\2\3\2 一直替换到找 ...

这个词典词条不是一行，一个 一行… 可能一个词条里有很多个
然后 ~ 可能有多个… 上面那个正则可以匹配到多个 ~ 吗？

不过我先改成几个词条成一行，然后试试这个正则。

jonah_w · 发表于 2018-12-25 15:10:04

y8888 发表于 2018-12-25 14:50
这种我以前也常换，首先一个词条做成一行，然后查找(.*)(真正的词条)(.*)~ 替换成\1\2\3\2 一直替换到找 ...

好像不可以，没有匹配到内容

dfsfd · 发表于 2018-12-25 15:19:37

一个替换~的小工具
https://www.pdawiki.com/forum/fo ... hread&tid=29088
(出处: 掌上百科 - PDAWIKI)

jonah_w · 发表于 2018-12-25 15:29:15

dfsfd 发表于 2018-12-25 15:19
一个替换~的小工具
https://www.pdawiki.com/forum/forum.php?mod=viewthread&tid=29088
(出处: 掌上百科 - ...

我等下翻出我那台老Windows试试，感谢dfsfd提供信息

jonah_w · 发表于 2018-12-25 15:37:03

我天， ~ 还分全角半角…

我再重新试试…

niusmth · 发表于 2018-12-25 15:50:52

jonah_w 发表于 2018-12-25 14:59
这个词典词条不是一行，一个一行… 可能一个词条里有很多个
然后 ~ 可能有多个… 上面那个正则可以匹配 ...

不是一行没关系，有的正则表达式引擎支持.也匹配回车换行
多个~也没关系，可以执行多次查找替换
全角半角~也没关系，用[~～]就好

jonah_w · 发表于 2018-12-25 15:55:54

niusmth 发表于 2018-12-25 15:50
不是一行没关系，有的正则表达式引擎支持.也匹配回车换行
多个~也没关系，可以执行多次查找替换
全角半角 ...

多行容易这个entry的title匹配到下个entry的~去了… 很烦的

anyid999 · 发表于 2018-12-25 16:14:59

这种情况, 写个替换程序最佳应用场景...

jonah_w · 发表于 2018-12-25 16:15:52

y8888 发表于 2018-12-25 14:50
这种我以前也常换，首先一个词条做成一行，然后查找(.*)(真正的词条)(.*)~ 替换成\1\2\3\2 一直替换到找 ...

刚才～的半角全角弄错了… 又试了一下以后，发现这个正则可以匹配最后一个～
多次执行替换可能最终可以解决。感谢y大这个思路，很赞。
下一步就是将所有词条放在一行去。

不知道有没有可以一次性匹配entry下所有～的方法。

jonah_w · 发表于 2018-12-25 16:20:14

anyid999 发表于 2018-12-25 16:14
这种情况, 写个替换程序最佳应用场景...

自己写个程序？最想通过一个通用的正则一步到位的解决，目前看… 难

niusmth · 发表于 2018-12-25 17:08:20

jonah_w 发表于 2018-12-25 15:55
多行容易这个entry的title匹配到下个entry的~去了… 很烦的

别用贪婪模式啊
在</d:entry>前结束

anyid999 · 发表于 2018-12-25 17:22:26

本帖最后由 anyid999 于 2018-12-25 17:25 编辑

新建个文件夹:
把附件解压(re.exe)放入,
将你的要修改的txt文件, 更名为 input.txt,放入

运行re.exe

有问题问我.

jonah_w · 发表于 2018-12-25 17:22:28

niusmth 发表于 2018-12-25 17:08
别用贪婪模式啊
在前结束

没用贪婪模式，因为下一个词条也有 </d:entry>
如果这个词条没有 ~ 就会匹配到下一个词条，不管用不用贪婪模式

jonah_w · 发表于 2018-12-25 17:27:37

anyid999 发表于 2018-12-25 17:22
新建个文件夹:
把附件解压(re.exe)放入,
将你的要修改的txt文件, 更名为 input.txt,放入

我目前是mac环境，优先看看能不能在Mac上搞，不能再换吃灰的老windows…

感谢提供资源。

anyid999 · 发表于 2018-12-25 17:41:38

新建个文件夹:
把附件解压放入,
将你的要修改的txt文件, 更名为 input.txt,放入

运行

有问题问我.

ieinverne · 发表于 2018-12-25 17:52:00

感觉上，这不是应该正则处理的事情，先读 xml ，然后一个词条一个词条读取，用替换就可以了。

VimVim · 发表于 2018-12-25 17:54:45

本帖最后由 VimVim 于 2018-12-25 18:11 编辑

给你两个解决方案，均已测试通过!

附件：上述截图用到的测试文件及Vim命令。
前提：会简单使用Vim

VimMacro.zip (64.16 KB, 下载次数: 1)

孤影 · 发表于 2018-12-25 19:46:47

jonah_w 发表于 2018-12-25 06:37
我天， ~ 还分全角半角…

我的软件不行吗？

jonah_w · 发表于 2018-12-25 19:55:01

在尝试大家提供的各种方案中… 有些门槛好高，边摸索边学习

非常感谢大家提供的方案。至少得弄通一个…

jonah_w · 发表于 2018-12-25 19:58:50

孤影发表于 2018-12-25 19:46
我的软件不行吗？

各种方案一会儿都试试。
感谢孤影大提供的工具。后面我都会反馈下哒。

leescott · 发表于 2018-12-25 20:03:52

本帖最后由 leescott 于 2018-12-25 20:15 编辑

这种情况下，我喜欢用cnbook。
复制原件到新建文本里面，替换\n为空。再把<d:entry替换为\n<d:entry，就成了一行。
正则表达式替换那个词。比如，(\<d\:entry id\=\")(.*)(ja\" d\:title\=\")(.*)(\"\>\<d\:index)(.*)~(.*)$替换为\1\2\3\4\5\6\4\7同一个正则表达式，多点几次。直到文件没有那个符号（搜索不到为止）。
最后，把该转行的地方，如第二步替换。

oversky · 发表于 2018-12-25 20:10:16

孤影发表于 2018-12-25 19:46
我的软件不行吗？

之前想要处理日汉双解词典里的全角“〜”有问题。
不知是不是这个全角是日文特别符号？
也许可以让使用者自行贴上要替代的符号会更好用些。

孤影 · 发表于 2018-12-25 20:11:34

oversky 发表于 2018-12-25 11:10
之前想要处理日汉双解词典里的全角“〜”有问题。
不知是不是这个全角是日文特别符号？
也许可以让使用者 ...

软件项目文件丢失了，不过你可以通过编辑器把全角的~替换成半角的~

[求助] 正则表达式请教