正则表达式从字符串中删除不需要的文本答案

【问题标题】：regular expression to remove unwanted text from string正则表达式从字符串中删除不需要的文本
【发布时间】：2014-10-22 07:32:51
【问题描述】：

我试图从像这样的大字符串中提取少量信息

[[["좋은","good","joh-eun",""]],[["adjective",[["좋은",["good","nice","pretty","admirable","canny","tenacious"],,0.38553435]],"good",4],["adverb",["훌륭하게",["wonderfully","good","nicely","beautifully","fine","finely"],,0.00029145498],"good",4]]]

我想像这样提取字符串

좋은 - good
좋은 - good,nice,pretty,admirable,canny,tenacious (basically adjectives)
훌륭하게 - wonderfully,good,nicely,beautifully,fine,finely (adverbs)

请帮助我尝试使用 sed 和管道进行切割

cut --delimiter='"' -f 1-2 and then use sed 's/\[\[\[\"//'

这给了我第一个韩语 좋은 结果，我无法扩展它以获得所需的结果！如果有其他更好的方法可以实现这一点，请提出建议。提前致谢。

【问题讨论】：

这个例子是你真正的输入吗？ [] 的格式似乎不连贯......
你能更准确地区分你想要“提取”的内容和想要丢弃的内容吗？（计算机（或我们）不能用“基本上”做任何事情）。如果你不能 - 如果你想包含所有副词和/或形容词，那么我们需要考虑基于字典的解决方案
@Tensibai - 它的实际输入的简短版本..我猜错过了括号，一旦我可以访问计算机就会编辑（现在在手机上）
@drewmoore - 我想从该特定输入中取出动词、名词等及其韩语单词。
我的错，一旦格式化梨是正确的，我一开始确实错过了一部分。我是否正确地认为形容词和反词并不总是如此，它们是可选的？（不知道如何用正则表达式处理它，但@avinash-raj 是我所知道的最好的正则表达式编写器；）如果它可以处理，他可以编写它；）

标签： regex sed cut

【解决方案1】：

有点晚，但在适合 sed 的纯正则表达式中：

正则表达式：\[\[\["(.*?)","(.*?)"\]\],\[\["(.*?)",\[\["(.*?)",\["(.*?)"\],.*?\]\],.*?\],\["(.*?)",\["(.*?)",\["(.*)"\],.*\]\]\]

替换：\1 - \2\n\4 - \5 (\3)\n\7 - \8 (\6)

demo

假设在原始行中总是有形容词和副词括号......（即使是空的）

请参阅演示中的替换以了解如何重组匹配项。

【讨论】：

【解决方案2】：

这是一块红宝石，但可能任何配备 PCRE 的工具都可以做类似的事情：

ruby -ne '
    $_.gsub(/"/,"")
      .scan(/ (\p{Hangul}+) ,\[? (.+?) \] /x) {|m| puts m[0] + " - " + m[1]}
' <<END
[[["좋은","good","joh-eun",""]],[["adjective",[["좋은",["good","nice","pretty","admirable","canny","tenacious"],,0.38553435]],"good",4],["adverb",["훌륭하게",["wonderfully","good","nicely","beautifully","fine","finely"],,0.00029145498],"good",4]]]
END

좋은 - good,joh-eun,
좋은 - good,nice,pretty,admirable,canny,tenacious
훌륭하게 - wonderfully,good,nicely,beautifully,fine,finely

太糟糕了，原始文本不是更容易处理 JSON。

感谢this question如何匹配韩文字符。

【讨论】：

thnx，我对红宝石一无所知，请检查并返回美国。