有选择地用正则表达式替换单词

Question

是否可以用正则表达式选择性地替换某些单词？

我的文档包含如下几行：

<type>xxx</type>

其中xxx可以是bug、improvement、newfeature和其他几个值。

我想把它转换成：

"kind":"yyy",

其中yyy = xxx，除了 improvement 应替换为 enhancement，newfeature 应替换为 proposal。在所有其他情况下，yyy 应与 xxx 相同。

直接的正则表达式会将<type>([^<]+)</type> 替换为"kind":"$1",，但是否可以同时替换这两个特殊词？

我相信我正在使用 PCRE 引擎。

Answer 1

不能将条件语句放在替换字符串中或将数据（不在字符串中）存储在模式本身中。

sublimetext 更简单的方法显然是分几个步骤进行（之前替换特殊字符串，之后替换一般情况）。好的方法是使用编程语言和 xml 解析器。

但是可以通过一个技巧一次性完成 replaceAll：

1) 在文件的最后添加这一行（在新行中）：

#improvement:enhancement#newfeature:proposal#"kind":"

2) 使用这种模式：

<type>(?|([^<]+)</type>(?=(?:.*\R)++#(?>[^:]+:[^#]+#)??\1:([^#]++).*#((.).*))|(([^<]+))</type>(?=(?:.*\R)++.*#((.).*)))|\R.*\z

用这个替换：

$3$2$4

（$3 代表"kind":" 或无，$2 代表enhancement、proposal、xxx 或无，$4 代表" 或无。）

3) 全部替换

demo

想法很简单：将所有替换内容放在字符串本身中，并在模式中使用分支重置(?|.(..).|.(..).)（每个备选方案中的此功能捕获组具有相同的数字） .添加的行会被自动删除。

注意：如果你有两个以上的特殊术语要替换，请完成最后一行（但"kind":"必须留在最后），并将模式中的??更改为@987654336 @。

图案细节：

<type>
(?|                        # open a branch reset group
                           # first branch: the special terms
    ([^<]+)                # capture the term in group 1
    </type>
    (?=                    # open a lookahead (nothing is consumed inside it)
        (?:.*\R)++ #       # reach the last line
        (?>[^:]+:[^#]+#)?? # skip a couple of term:repl if needed
        \1                 # until the content of group 1 is found
        : ([^#]++)         # capture the corresponding replacement
        .* #               # reach the last #
        ((.).*)            # capture '"kind":"' in group 3 and '"' in group 4
    )                      # close the lookahead
  |                        # OR second branch: the general case
    (([^<]+))              # capture the term in group 1 and 2
                           # (to have the same number than the previous branch)
    </type>
    (?=                    # open a lookahead
        (?:.*\R)++         # same thing than the previous branch
        .* #               # but this time only '"kind":"' and '"'
        ((.).*)            # are needed
    )
)                          # close the branch reset group
|                          # OR
\R.*\z                     # the last line (in this case all the
                           # groups are empty) 

\R 是几种换行符的别名（无论系统如何）。

(?>....) 是一个原子团。

++、*+、?+ 是所有格量词。

\z 是字符串结尾的锚。