如何在许多匹配项中使用 ruby​​ gsub Regexp？

Posted 2023-02-15

【中文标题】如何在许多匹配项中使用 ruby​​ gsub Regexp？

【英文标题】：How to use ruby gsub Regexp with many matches?

【发布时间】：2012-02-24 07:21:19

【问题描述】：

我的 csv 文件内容在引用的文本中有双引号

test,first,line,"you are a "kind" man",thanks
again,second,li,"my "boss" is you",good

我需要用“”替换每个前面或后面没有逗号的双引号

test,first,line,"you are a ""kind"" man",thanks
again,second,li,"my ""boss"" is you",good

所以“”被“”代替了

我试过了

x.gsub(/([^,])"([^,])/, "#$1\"\"#$2")

但没用

【参考方案1】：

您的正则表达式需要更粗一些，以防引号出现在第一个值的开头或最后一个值的结尾：

csv = <<ENDCSV
test,first,line,"you are a "kind" man",thanks
again,second,li,"my "boss" is you",good
more,""Someone" said that you're "cute"",yay
"watch out for this",and,also,"this test case"
ENDCSV

puts csv.gsub(/(?<!^|,)"(?!,|$)/,'""')
#=> test,first,line,"you are a ""kind"" man",thanks
#=> again,second,li,"my ""boss"" is you",good
#=> more,"""Someone"" said that you're ""cute""",yay
#=> "watch out for this",and,also,"this test case"

上述正则表达式使用 Ruby 1.9 中可用的否定后向和否定前瞻断言（锚）。

(?<!^|,) — 在此位置之前不得有行首 (^) 或逗号 " — 查找双引号 (?!,|$) — 紧随此位置后不得有逗号或行尾 ($)

作为奖励，由于您实际上并未捕获任一侧的字符，因此您无需担心在替换字符串中正确使用 \1。

有关详细信息，请参阅official Ruby regex documentation 中的“锚点”部分。

---

但是，对于您确实需要替换输出中的匹配项的情况，您可以使用以下任何一种：

"hello".gsub /([aeiou])/, '<\1>'            #=> "h<e>ll<o>"
"hello".gsub /([aeiou])/, "<\\1>"           #=> "h<e>ll<o>"
"hello".gsub(/([aeiou])/) |m| "<#$1>"   #=> "h<e>ll<o>"

您不能像以前那样在替换字符串中使用字符串插值：

"hello".gsub /([aeiou])/, "<#$1>"
 #=> "h<previousmatch>ll<previousmatch>"

...因为字符串插值发生了一次，之前gsub 已经运行。使用 gsub 的块形式为每个匹配重新调用块，此时全局 $1 已被适当地填充并可供使用。

---

编辑：对于 Ruby 1.8（你到底为什么要使用它？）你可以使用：

puts csv.gsub(/([^,\n\r])"([^,\n\r])/,'\1""\2')

【讨论】：

酷，我试图弄清楚如何在 Ruby 中进行负面的后向断言，但无法弄清楚。

感谢 Phrogz，它仅适用于 ruby​​ 1.9，您能建议 ruby​​ 1.8 的答案吗？

@MahmoudKhaled 已更新为与 Ruby 1.8 一起使用。 （将来，如果您需要如此古老的 Ruby 版本，请在您的问题中包含此内容。Ruby 1.9.1 — 1.9 系列的第一个稳定版本 — 发布了三年 以前。）

@Rivenfall 正确。这就是我所说的：“你不能在替换字符串中使用字符串插值”。您的意思是对原始问题发表评论吗？还是您误读了这个答案？

对不起，我误读了答案。我将添加 \0 是输入字符串（但不是 $0）

【参考方案2】：

假设s 是一个字符串，这将起作用：

puts s.gsub(/([^,])"([^,])/, "\\1\"\"\\2")

【讨论】：

当您在内容中使用双引号时，最好使用单引号将它们括起来，如'\1""\2' 或使用第三种形式%q[\1""\2]

我有点担心我的答案实际上不足以满足您的情况，因为它无法处理很多事情，例如您的引号旁边是否真的有逗号数据。您可能需要做一些不基于正则表达式的更复杂的事情。