Ersetzen Sie alle Zeilenumbrüche nicht durch einen Punkt mit einem regulären Ausdruck vorangestellt?

Question

Ist es möglich, nur Zeilenumbrüche zu wählen, denen keine regulären Ausdrücke vorausgehen? Ich bearbeite Untertitel für Studenten. Um die gedruckte Version toter Baum freundlich zu machen, versuche ich, alle Zeilenumbrüche, denen kein Punkt oder ein Fragezeichen vorausgeht, durch ein Leerzeichen zu ersetzen.

Option 1
wählen alle Zeilenumbrüche durch einen Punkt oder Fragezeichen regex nicht voran [a-z]\n für das funktioniert, aber dann ist es natürlich wählt den letzten Buchstaben des Wortes vor dem Zeilenumbruch. -> Ist es möglich, die letzten Buchstaben des Wortes vor dem Zeilenumbruch, um irgendwie zu speichern und einfügen und mit einem Leerzeichen einfügen zusammen reguläre Ausdrücke oder tut ich mit einem Skript für das schreiben habe (sagen php)

Option 2
Wählen Sie nur Zeilenumbrüche aus, denen ein Zeichen vorangestellt ist. Ich habe versucht, Lookbehind zu betrachten.

Beim Schreiben dieser Frage traf mich die Lösung. Um einen Zeilenumbruch vor einem Zeichen zu setzen, machen Sie (?<=[a-z])\n und ersetzen Sie ihn durch ein Leerzeichen.

Ich suchte Stapelüberlauf und konnte nicht wirklich finden, was ich suchte. Ich hoffe, ich werde niemanden beleidigen, indem ich die Frage und die Lösung zur gleichen Zeit stelle. Es könnte jemand anderem in der Zukunft helfen.

Answer 1

Die Syntax kann variieren, je nachdem, was Sie verwenden, um den Text zu ersetzen (Java, Perl, PHP, sed, vi usw.).

In Java könnten Sie dies versuchen:

str.replaceAll("([^\\.!?])\r?\n", "$1 ").replaceAll(" +", " "); 

In Perl:

perl -p -e 's/([^\.!?])\n/\1 /g; s/ +/ /g;' file.txt 

Sie können auch diese Antwort auf eine ähnliche Frage lesen:

How can I replace a newline (\n) using sed?

Answer 2

Lassen Sie uns definieren eine Zeilenumbruch zuerst. In einigen Regex-Varianten, Java 8/PHP (PCRE), Ruby (Onigmo), können Sie eine Kurzschreibeklasse \R verwenden, die mit jedem Zeilenumbruchsstil übereinstimmt. In Java 8 regex reference, \R is defined als:

\u000D\u000A|[\u000A\u000B\u000C\u000D\u0085\u2028\u2029] 

Nun, Sie wollen dieses Muster finden, wenn es nicht mit . char voraus. Sie müssen einen negativen Lookbehind, (?<!\.) verwenden. Es schlägt die Übereinstimmung fehl, sobald es eine . sofort auf der linken Seite des aktuellen Standorts findet.So, hier sind einige Beispiele dafür, wie der Zeilenumbruch entfernen nicht mit einem Punkt in einigen Sprachen voraus:

• PHP (demo): preg_replace('~(\.\R+)|\R+~', '$1', $s)
• Java 7 (demo): String rx_R = "(?:\\u000D\\u000A|[\\u000A\\u000B\\u000C\\u000D\\u0085\\u2028\\u2029])"; String res = s.replaceAll("(\\." + rx_R + ")|" + rx_R, "$1");
• Rubin (demo): s.gsub(/(\.\R+)|\R+/, '\1')
• C# (siehe demo): var rx_R = @"(?:\u000D\u000A|[\u000A\u000B\u000C\u000D\u0085\u2028\u2029])"; var res = Regex.Replace(txt, $@"(\.{rx_R})|{rx_R}", "$1");
• Python (beide 2.x und 3.x) (demo): rx_R = r'(?:\u000D\u000A|[\u000A\u000B\u000C\u000D\u0085\u2028\u2029])' und dann re.sub(r'(\.{0})|{0}'.format(rx_R), lambda x: x.group(1) if x.group(1) else '', s)
• JavaScript: es hat keine Unterstützung für eine Lookbehind, so verwenden Sie eine ([^.]|^) Erfassung Gruppe und eine Rückreferenzierung ($1 es aus dem Ersatz-String zu verweisen), um die Zeichen anders als . vor einem Zeilenumbruch zu halten:

var s = "Line1\u000D\u000A Line2\u000B Line3\u000C Line4\u0085 Line5\u2028 Line6\u2029 Line7"; 
 
var rx = /([^.]|^)(?:\u000D\u000A|[\u000A\u000B\u000C\u000D\u0085\u2028\u2029])/g; 
 
console.log(s.replace(rx, '$1'));