正则表达式在最后一个正斜杠后捕获并替换 %20

Question

我有一个 tsv 文件，里面有很多 HTML。

我需要在非 .jpg 链接的 href 属性的最后一个正斜杠之后替换 %20。 我正在命令行上尝试使用 Perl，我需要正则表达式方面的帮助。

我尝试了一些正则表达式，这是在现场测试中（下面的链接）：

<a\ [^>]*href="([^"]+(%20)+)[^\.jpg][^\/]"[^>]?>

它只匹配一个<a> 标签并且只捕获最后一次出现的%20。

Here a live test with a sample of tsv.

我可以：

<a href="http://example.com/path/to-some-folder/another%20folder/one%20more520folder/34%20-%20kv34%20-%20tomba%20di%20thumtmose%20iii">text</a>

我必须匹配最后一个正斜杠之后的所有%20，并将它们替换为-。

或：

<a href="http://example.com/path/to-some-folder/another%20folder/one%20more520folder/uploads/2012/02/some%20folder/another%20folder/09%20antichi%20egizi%20-%20Tomba%20di%20Tutankhamen.jpg"> <img border="0" src="http://example.com/path/to-some-folder/another%20folder/one%20more520folder/uploads/2012/02/some%20folder/another%20folder/09%20antichi%20egizi%20-%20Tomba%20di%20Tutankhamen%20ante.jpg" width="80" height="92" alt="09 antichi egizi - Tomba di Tutankhamen" /></a>

我不得匹配 .jpg 的 href 属性，因此上面的最后一个示例需要保持不变。

我也试过这个匹配所有预期的<a> 标签，但我不知道如何在最后一个斜杠之后仅捕获所有%20 以随后应用替换：

<a [^>]*href="([^"]+)[^\.jpg][^\/]"[^>]?>

https://regex101.com/r/cS3iB6/2

Answer 1

在非 .jpg 链接的 href 属性的最后一个正斜杠后替换 %20

你可以使用以下来匹配：

%20(?=(?:(?!\.jpg">)[^>\/])*>)

并替换为-

见DEMO

Answer 2

为了匹配某些分隔符内的%20，您还可以使用\G 运算符（参见"Where You Left Off: The \G Assertion"）：

您可以使用\G 指定上一场比赛之后的位置。

你可以使用的正则表达式是

(<a\b[^<]*?|(?<!^)\G)([^\/]*?)%20(?=(?![^\/]*\.jpg">)[^\/"]*">)

替换为

\1\2-

这里是my demo

在类似 Perl 的符号中，它看起来像

s/(<a\b[^<]*?|(?<!^)\G)([^\/]*?)%20(?=(?![^\/]*\.jpg">)[^\/"]*">)/\1\2-/g