使用 GREP / Regex 为给定的 url 扩展在 url 中用破折号替换下划线

Question

我使用 BBEdit。 BBEdit 支持多文件搜索和 GREP 替换。使用这个（从 stackoverflow 的 Notepad++ 帖子复制）：

(\bhref="|(?!^)\G)[^"<_]*\K_

我可以获得包含下划线的所有 URL 的列表。这个想法是用破折号替换所有下划线。没问题，BBEdit 搜索面板有一个“替换为”字段（如 Notepad++）。

一切都很好，但是我实际上不想处理所有 URL。例如，文件下载 URL 应保持原样，尤其是扩展名为 .exe、.zip、.sit 和 .dmg 的 URL。实际上我要处理的网址是 .php 和 .html 网址。

我的意思是应该在这里找到这种类型的 URL：

<a href="software/internet-tools/ftp-disk_sheet_us.php">

但不是这个：

<a href="software/internet-tools/ftp-disk_us_setup.exe">

到目前为止，我尝试编辑上面的 REGEX 未成功，因为我必须处理 600 个文件中的大约 30,000 个 url，我真的很想确保我没有做错任何事情。

非常感谢您提前帮我解决这个问题。

Answer 1

您只能在链接以.html/.htm 或.php 结尾时强制匹配：

(?:\G(?!^)|\bhref="(?=[^"]*\.(?:html?|php)"))[^"<_]*\K_
                   ^^^^^^^^^^^^^^^^^^^^^^^^^

见regex demo

(?=[^"]*\.(?:html?|php)") 正向前瞻将需要除 " 之外的任何 0+ 字符，然后是 . 后跟 htm/html 或 php，紧跟在 href=" 之后，否则将不匹配找到了。

详情

• (?:\G(?!^)|\bhref="(?=[^"]*\.(?:html?|php)")) - 上一场比赛结束 (\G(?!^)) 或 (|)
  • \bhref=" - 一个完整的单词href 后跟="
  • (?=[^"]*\.(?:html?|php)") - 正向前瞻，需要以下模式序列才能立即匹配到当前位置的右侧：
    • [^"]* - 除了" 之外的 0+ 个字符
    • \. - 一个点
    • (?:html?|php) - 匹配htm 的非捕获组，然后是可选的l 或php
    • " - 双引号
• [^"<_]* - 除"、< 和 _ 之外的任何 0+ 个字符
• \K - 匹配重置运算符，丢弃目前匹配的所有文本
• _ - 一个下划线。