如何查找和替换特定字符，但仅限于引号？
问题描述 投票：12回答：6
问题：我有成千上万的文档，其中包含我不想要的特定字符。例如。人物a。这些文档包含各种字符，但我要替换的a是双引号或单引号。
我想找到并替换它们，我认为需要使用正则表达式。我正在使用VSCode，但我对任何建议持开放态度。
我的尝试：我能够找到以下正则表达式匹配包含()内部值的特定字符串。
".*?(r).*?"
但是，这仅突出显示整个报价。我想只突出这个角色。
任何解决方案，可能在正则表达式之外，都是受欢迎的。
示例结果：给定，角色是a，找到替换为b
Somebody once told me "apples" are good for you => Somebody once told me "bpples" are good for you
"Aardvarks" make good kebabs => "Abrdvbrks" make good kebabs
The boy said "aaah!" when his mom told him he was eating aardvark => The boy said "bbbh!" when his mom told him he was eating aardvark
6个回答
投票
Visual Studio Code
VS Code使用JavaScript RegEx引擎来实现其查找/替换功能。这意味着与其他版本（如.NET或PCRE）相比，使用正则表达式非常有限。
幸运的是，这种味道支持前瞻和前瞻，你可以寻找但不消耗性格。因此，确保我们在带引号的字符串中的一种方法是在匹配a之后查找文件/主题字符串底部的引号数为奇数：
a(?=[^"]*"[^"]*(?:"[^"]*"[^"]*)*$)
这将在双引号字符串中查找as，以使单引号字符串用"替换所有's。你不能同时拥有两者。
然而，上面的正则表达式存在问题，它与双引号字符串中的转义双引号冲突。如果重要的是要匹配它们，你还有很长的路要走：
a(?=[^"\\]*(?:\\.[^"\\]*)*"[^"\\]*(?:\\.[^"\\]*)*(?:"[^"\\]*(?:\\.[^"\\]*)*"[^"\\]*(?:\\.[^"\\]*)*)*$)
在大文件上应用这些方法可能会导致堆栈溢出，所以让我们看看更好的方法。
我正在使用VSCode，但我对任何建议持开放态度。
那很棒。然后我建议使用awk或sed或更具编程性的东西来实现你所追求的目标，或者如果你能够使用Sublime Text，则有机会以更优雅的方式解决这个问题。
Sublime Text
这应该适用于具有成千上万行的大型文件，但是要注意它适用于单个字符（这里是a），经过一些修改可能也适用于单词或子字符串：
搜索：
(?:"|\G(?<!")(?!\A))(?<r>[^a"\\]*+(?>\\.[^a"\\]*)*+)\K(a|"(*SKIP)(*F))(?(?=((?&r)"))\3)
^ ^ ^
替换为：WHATEVER\3
RegEx细分：
(?: # Beginning of non-capturing group #1
" # Match a `"`
| # Or
\G(?<!")(?!\A) # Continue matching from last successful match
# It shouldn't start right after a `"`
) # End of NCG #1
(?<r> # Start of capturing group `r`
[^a"\\]*+ # Match anything except `a`, `"` or a backslash (possessively)
(?>\\.[^a"\\]*)*+ # Match an escaped character or
# repeat last pattern as much as possible
)\K # End of CG `r`, reset all consumed characters
( # Start of CG #2
a # Match literal `a`
| # Or
"(*SKIP)(*F) # Match a `"` and skip over current match
)
(?(?= # Start a conditional cluster, assuming a positive lookahead
((?&r)") # Start of CG #3, recurs CG `r` and match `"`
) # End of condition
\3 # If conditional passed match CG #3
) # End of conditional
Three-step approach
最后但并非最不重要的...
匹配引号内的字符是棘手的，因为分隔符完全相同，因此在不查看相邻字符串的情况下，无法区分开关标记。您可以做的是将分隔符更改为其他内容，以便以后查找。
Step 1:
搜索："[^"\\]*(?:\\.[^"\\]*)*"
替换为：$0Я
Step 2:
搜索：a(?=[^"\\]*(?:\\.[^"\\]*)*"Я)
用你期望的任何东西替换。
Step 3:
搜索："Я
没有任何东西可以替换掉所有东西。
投票
首先考虑以下几点：
- 单引号中可能有多个
a字符。 - 每个引号（使用单引号或双引号）由开头引号字符，一些文本和相同的结束引号字符组成。一种简单的方法是假设当引号字符按顺序计数时，奇数字符是打开引号，偶数字符是关闭引号。
- 在第2点之后，可能值得进一步考虑是否应该允许单引号字符串。请参阅以下示例：
It's a shame 'this quoted text' isn't quoted.在这里，简单的方法会认为有两个引用的字符串：s a shame和isn。另一个：This isn't a quote ...'this is' and 'it's unclear where this quote ends'。我避免试图解决这些复杂问题，并采用下面的简单方法。
坏消息是第1点提出了一个问题，因为在它之后具有通配符重复字符的捕获组（例如(.*)*）将仅捕获最后捕获的“事物”。但好消息是，有一种方法可以在一定范围内解决这个问题。许多正则表达式引擎最多允许99个捕获组（*）。因此，如果我们可以假设每个引号中不会超过99个as（更新......或者即使我们不能 - 请参阅步骤3），我们可以执行以下操作...
（*）不幸的是我的第一个调用端口，Notepad ++没有 - 它只允许最多9个。不确定VS Code。但regex101（用于下面的在线演示）确实如此。
TL;DR - What to do?
- 搜索：
"([^a"]*)a*([^a"]*)a*([^a"]*)a*([^a"]*)a*([^a"]*)a*([^a"]*)a*([^a"]*)a*([^a"]*)a*([^a"]*)a*([^a"]*)a*([^a"]*)a*([^a"]*)a*([^a"]*)a*([^a"]*)a*([^a"]*)a*([^a"]*)a*([^a"]*)a*([^a"]*)a*([^a"]*)a*([^a"]*)a*([^a"]*)a*([^a"]*)a*([^a"]*)a*([^a"]*)a*([^a"]*)a*([^a"]*)a*([^a"]*)a*([^a"]*)a*([^a"]*)a*([^a"]*)a*([^a"]*)a*([^a"]*)a*([^a"]*)a*([^a"]*)a*([^a"]*)a*([^a"]*)a*([^a"]*)a*([^a"]*)a*([^a"]*)a*([^a"]*)a*([^a"]*)a*([^a"]*)a*([^a"]*)a*([^a"]*)a*([^a"]*)a*([^a"]*)a*([^a"]*)a*([^a"]*)a*([^a"]*)a*([^a"]*)a*([^a"]*)a*([^a"]*)a*([^a"]*)a*([^a"]*)a*([^a"]*)a*([^a"]*)a*([^a"]*)a*([^a"]*)a*([^a"]*)a*([^a"]*)a*([^a"]*)a*([^a"]*)a*([^a"]*)a*([^a"]*)a*([^a"]*)a*([^a"]*)a*([^a"]*)a*([^a"]*)a*([^a"]*)a*([^a"]*)a*([^a"]*)a*([^a"]*)a*([^a"]*)a*([^a"]*)a*([^a"]*)a*([^a"]*)a*([^a"]*)a*([^a"]*)a*([^a"]*)a*([^a"]*)a*([^a"]*)a*([^a"]*)a*([^a"]*)a*([^a"]*)a*([^a"]*)a*([^a"]*)a*([^a"]*)a*([^a"]*)a*([^a"]*)a*([^a"]*)a*([^a"]*)a*([^a"]*)a*([^a"]*)a*([^a"]*)a*([^a"]*)a*([^a"]*)a*([^a"]*)a*([^a"]*)a*([^a"]*)a*" - 替换为：
"\1\2\3\4\5\6\7\8\9\10\11\12\13\14\15\16\17\18\19\20\21\22\23\24\25\26\27\28\29\30\31\32\33\34\35\36\37\38\39\40\41\42\43\44\45\46\47\48\49\50\51\52\53\54\55\56\57\58\59\60\61\62\63\64\65\66\67\68\69\70\71\72\73\74\75\76\77\78\79\80\81\82\83\84\85\86\87\88\89\90\91\92\93\94\95\96\97\98\99" - （如果单个引号中可能有> 99个这样的字符，直到它们全部被替换，则可选择重复前两个步骤。
- 重复步骤1，但用正则表达式中的
"替换所有'，即：'([^a']*)a*([^a']*)a*([^a']*)a*([^a']*)a*([^a']*)a*([^a']*)a*([^a']*)a*([^a']*)a*([^a']*)a*([^a']*)a*([^a']*)a*([^a']*)a*([^a']*)a*([^a']*)a*([^a']*)a*([^a']*)a*([^a']*)a*([^a']*)a*([^a']*)a*([^a']*)a*([^a']*)a*([^a']*)a*([^a']*)a*([^a']*)a*([^a']*)a*([^a']*)a*([^a']*)a*([^a']*)a*([^a']*)a*([^a']*)a*([^a']*)a*([^a']*)a*([^a']*)a*([^a']*)a*([^a']*)a*([^a']*)a*([^a']*)a*([^a']*)a*([^a']*)a*([^a']*)a*([^a']*)a*([^a']*)a*([^a']*)a*([^a']*)a*([^a']*)a*([^a']*)a*([^a']*)a*([^a']*)a*([^a']*)a*([^a']*)a*([^a']*)a*([^a']*)a*([^a']*)a*([^a']*)a*([^a']*)a*([^a']*)a*([^a']*)a*([^a']*)a*([^a']*)a*([^a']*)a*([^a']*)a*([^a']*)a*([^a']*)a*([^a']*)a*([^a']*)a*([^a']*)a*([^a']*)a*([^a']*)a*([^a']*)a*([^a']*)a*([^a']*)a*([^a']*)a*([^a']*)a*([^a']*)a*([^a']*)a*([^a']*)a*([^a']*)a*([^a']*)a*([^a']*)a*([^a']*)a*([^a']*)a*([^a']*)a*([^a']*)a*([^a']*)a*([^a']*)a*([^a']*)a*([^a']*)a*([^a']*)a*([^a']*)a*([^a']*)a*([^a']*)a*([^a']*)a*([^a']*)a*([^a']*)a*([^a']*)a*([^a']*)a*([^a']*)a*([^a']*)a*([^a']*)a*' - 重复步骤2-3。
Online demos
如果您能够将整个文本复制到“TEST STRING”的内容中，请参阅以下regex101演示，这些演示实际上可用于执行替换：
投票
/(["'])(.*?)(a)(.*?\1)/g
使用替换模式：
$1$2$4
据我所知，VS Code使用与JavaScript相同的正则表达式引擎，这就是我在JS中编写示例的原因。
这样做的问题是，如果你在一组引号中有多个a，那么它将很难提取正确的值，因此需要在它背后的某种代码，或者你，锤击替换按钮直到不再找到匹配，递归模式并删除引号之间的所有a
let regex = /(["'])(.*?)(a)(.*?\1)/g,
subst = `$1$2$4`,
str = `"a"
"helapke"
Not matched - aaaaaaa
"This is the way the world ends"
"Not with fire"
"ABBA"
"abba",
'I can haz cheezburger'
"This is not a match'
`;
// Loop to get rid of multiple a's in quotes
while(str.match(regex)){
str = str.replace(regex, subst);
}
const result = str;
console.log(result);投票
如果您可以使用Visual Studio（而不是Visual Studio代码），则使用C ++和C＃以及uses the .NET Framework regular expressions编写，这意味着您可以使用可变长度的lookbehind来实现此目的。
(?<="[^"\n]*)a(?=[^"\n]*")
在上面的正则表达式中添加一些逻辑，我们可以告诉它忽略前面有偶数量的"的任何位置。这可以防止引号之外的a匹配。以字符串"a" a "a"为例。只匹配此字符串中的第一个和最后一个a，但中间的那个将被忽略。
(?<!^[^"\n]*(?:(?:"[^"\n]*){2})+)(?<="[^"\n]*)a(?=[^"\n]*")
现在唯一的问题是，如果我们在"这两个双引号中逃脱了"a\"" a "a"，这将会破裂。我们需要添加更多逻辑来防止这种行为。幸运的是，this beautiful answer exists正确匹配逃脱的"。将此逻辑添加到上面的正则表达式中，我们得到以下结果：
(?<!^[^"\n]*(?:(?:"(?:[^"\\\n]|\\.)*){2})+)(?<="[^"\n]*)a(?=[^"\n]*")
我不确定哪种方法最适合你的字符串，但我会详细解释这个最后的正则表达式，因为它也解释了前两个。
(?<!^[^"\n]*(?:(?:"(?:[^"\\\n]|\\.)*){2})+)负面的背后照明，确保前面的内容与以下内容不符^在线的开头断言位置[^"\n]*匹配除"或\n之外的任何事情(?:(?:"(?:[^"\\\n]|\\.)*){2})+匹配以下一次或多次。这确保了在比赛之前有任何"它们是平衡的，因为有一个开始和结束的双引号。(?:"(?:[^"\\\n]|\\.)*){2}完全匹配以下两次"按字面意思对比(?:[^"\\\n]|\\.)*匹配以下任意一次[^"\\\n]匹配除"，\和\n之外的任何东西\\.匹配\，然后是任何角色(?<="[^"\n]*)正面看后方，确保先于下列内容匹配"按字面意思对比[^"\n]*匹配除"或\n之外的任何事情a按字面意思对比(?=[^"\n]*")确定以下内容的正向前瞻符合以下内容[^"\n]*匹配除"或\n之外的任何事情"按字面意思对比
您可以从上面的模式中删除\n，如下所示。我添加它是为了防止出现某些特殊情况我不考虑（即评论）可能会破坏你的文本中的这个正则表达式。 \A还强制正则表达式从字符串（或文件）的开头而不是行的开头匹配。
(?<!\A[^"]*(?:(?:"(?:[^"\\]|\\.)*){2})+)(?<="[^"]*)a(?=[^"]*")
这就是它在Visual Studio中的样子：
投票
I am using VSCode, but I'm open to any suggestions.
如果你想留在编辑环境中，你可以使用 Visual Studio（> = 2012）甚至是notepad ++用于快速修复。 这避免了必须使用虚假脚本环境。
这两个引擎（分别是Dot-Net和boost）都使用\G结构。
这是在最后一个停止的位置开始下一场比赛。
同样，这只是一个建议。
这个正则表达式不会检查整个平衡报价的有效性 字符串提前（但它可以添加一行）。
这一切都是关于知道引号的内部和外部的位置。
我评论了正则表达式，但如果您需要更多信息，请告诉我。 这只是一个建议（我知道你的编辑使用ECMAScript）。
找到(?s)(?:^([^"]*(?:"[^"a]*(?=")"[^"]*(?="))*"[^"a]*)|(?!^)\G)a([^"a]*(?:(?=a.*?")|(?:"[^"]*$|"[^"]*(?=")(?:"[^"a]*(?=")"[^"]*(?="))*"[^"a]*)))
替换$1b$2
这里的所有都是它的。
https://regex101.com/r/loLFYH/1
评论
(?s) # Dot-all inine modifier
(?:
^ # BOS
( # (1 start), Find first quote from BOS (written back)
[^"]*
(?: # --- Cluster
" [^"a]* # Inside quotes with no 'a'
(?= " )
" [^"]* # Between quotes, get up to next quote
(?= " )
)* # --- End cluster, 0 to many times
" [^"a]* # Inside quotes, will be an 'a' ahead of here
# to be sucked up by this match
) # (1 end)
| # OR,
(?! ^ ) # Not-BOS
\G # Continue where left off from last match.
# Must be an 'a' at this point
)
a # The 'a' to be replaced
( # (2 start), Up to the next 'a' (to be written back)
[^"a]*
(?: # --------------------
(?= a .*? " ) # If stopped before 'a', must be a quote ahead
| # or,
(?: # --------------------
" [^"]* $ # If stopped at a quote, check for EOS
| # or,
" [^"]* # Between quotes, get up to next quote
(?= " )
(?: # --- Cluster
" [^"a]* # Inside quotes with no 'a'
(?= " )
" [^"]* # Between quotes
(?= " )
)* # --- End cluster, 0 to many times
" [^"a]* # Inside quotes, will be an 'a' ahead of here
# to be sucked up on the next match
) # --------------------
) # --------------------
) # (2 end)
投票
“内部双引号”相当棘手，因为可能会考虑复杂的场景来完全自动化。
“引号括起来”的准确规则是什么？你需要考虑多行报价吗？您是否引用了包含转义引号或引号的字符串，而不是开始/结束字符串引用？
然而，可能有一个相当简单的表达来做你想要的大部分。
搜索表达式：("[^a"]*)a
替换表达：$1b
这不考虑引号的内部或外部 - 您可以直观地做到这一点。但它突出显示从引用到匹配字符的文本，因此您可以快速确定它是否在内部。
如果您可以接受目视检查，那么我们可以构建此模式以包括不同的报价类型以及大小写。
最新问题
- 当我执行 mvn clean install 时，Junit 测试用例未运行
- DataFrame 过滤具有特殊字符的行
- 在 VS Code 中调试混合 Python C++。无法输入sudo密码
- 使用 aws-sdk 构建 Vite 失败 - 未捕获类型错误：无法读取未定义的属性（读取“原型”）
- For 循环迭代未在[重复]内设置的条件下执行
- 为什么我的 UI 没有使用 StreamBuilder 进行更新？
- 关于 python 列表初始化的有趣的事情[重复]
- 类似对象的列表[重复]
- 附加到Python中的嵌套列表[重复]
- 无法使用秘密范围从 Azure 存储帐户读取/列出到 Databricks 笔记本中
- [[]]*3 和 [[] for i in range(3)] 之间的差异[重复]
- 更新列表列表中的值[重复]
- 构建 Catkin (ROS) 失败
- 我没有分配 2 y，但它是如何分配的？ [重复]
- 为什么这个 javascript 导入在 nix 构建中失败但在 nix devshell 中成功？
- 2D 列表未正确索引[重复]
- RPC失败； curl 18 HTTP/2 流 5 已重置错误：仍需要 7142 字节的正文 fetch-pack：读取边带时意外断开连接
- 无法解释列表行为[重复]
- 使用Steam OpenId(oidc-client-js)登录
- 在 C# 代码中将参数传递给 PostgreSQL 查询