匹配 LaTeX 命令并将它们转换为 XML 标签

Posted 2023-04-13

【中文标题】匹配 LaTeX 命令并将它们转换为 XML 标签

【英文标题】：Matching LaTeX Commands and convert them to XML tags

【发布时间】：2021-11-01 08:14:24

【问题描述】：

我正在尝试从 tex 文件中提取所有 Latex 命令，然后将命令转换为 xml 标记。为此，我必须使用 C#。

我目前可以使用这个正则表达式匹配命令

\\(?<command>(?:[^a-zA-Z]|[a-zA-Z]+[*=']?))(?<param>\[.+\])*(?<content>\.+?1,2)

目前可以匹配大多数命令，如\commandfoobar、\command[param]foobar 和\command[param]foobarfoobar，并将这些匹配替换为<command attr1="param">content</command>，但我在匹配嵌套命令时遇到问题

举例

\firstcommand\secondcommandnestedcontent outercontent 应替换为 <firstcommand><secondcommand>nestedcontent</secondcommand> outercontent</firstcommand> 但我无法将此模式与我的正则表达式匹配

我最后一次尝试是尝试使用 PCRE.NET 库来使用这个正则表达式 \\(?<command>(?:[^a-zA-Z]|[a-zA-Z]+[*=']?))(?<param>\[.+\])*(\(?<content>(?:[^]*|(?R))+)\) 进行递归匹配，但是我得到了这个异常 PCRE.PcreMatchException: 'match limit exceeded' 这显然意味着它无法匹配许多嵌套模式。

有什么帮助吗？

【参考方案1】：

对于你展示的例子，你可以试试

var text = @"\firstcommand\secondcommandnestedcontent outercontent";
var pattern = @"\\(\w+)\([^]*)";
var prev = string.Empty;
do 
    prev = text;
    text = Regex.Replace(text, pattern, "<$1>$2</$1>");
 while (prev != text);
Console.WriteLine(text);

它基本上是匹配和替换最里面的word... 子字符串。 请参阅C# demo。 \\(\w+)\([^]*) 模式匹配

\\ - 一个反斜杠 (\w+) - 第 1 组：任何一个或多个单词字符（字母、数字、下划线） \ - 一个 字符 ([^]*) - 第 2 组：除 和 之外的任何零个或多个字符 - 一个 字符。

注意：如果您在\\\w+\ 和 部分之间有其他 或，这将不起作用。对这种格式的任意字符串使用专用解析器将是一种解决方案。