替换成对出现的双引号

Posted 2023-03-15

【中文标题】替换成对出现的双引号

【英文标题】：Replace double quotes that come in pairs

【发布时间】：2021-09-28 23:47:02

【问题描述】：

我想 " 字符。让我解释一下我的意思。

"Some sentence"

这里的双引号应该被替换，因为它们是成对出现的。

"Some sentence

此处不应替换 - 第一个引号字符没有匹配的对。

我想用„ 替换第一个引号字符。

❯ echo „ |hexdump -C
00000000  e2 80 9e 0a

第二个引号字符为”

❯ echo ” |hexdump -C
00000000  e2 80 9d 0a

总结如下：

Hi, "how
are you"

更换后应如下所示。

Hi, „how
are you”

我想出了以下代码，但它无法正常工作： 'sed -r s/(\")(.+)(\")/\1\xe2\x80\x9e\3\xe2\x80\x9d/g'

" hi " 给出"„"”。

编辑 根据 cmets 的要求，这里有一个来自要修改的文件的示例。重要提示：该文件是结构化的 - 也许它可能会有所帮助。该文件始终为 srt 文件，即电影字幕格式。

104
00:10:25,332 --> 00:10:27,876
Kobieta mówi do drugiej:
"Widzisz to, co ja?"

105
00:10:28,001 --> 00:10:30,904
A tamta: "No to co?
Każdy wygląda tak samo."

【问题讨论】：

是的，它需要。我想在电影字幕中做一些替换，双引号可能从一行开始，但在下一行甚至更远的地方结束。

是的，文件是结构化的。一些信息在这里：ai-media.tv/what-is-an-srt-file-and-how-to-use-one。但是，如果可能，最欢迎使用通用解决方案。

【参考方案1】：

您的表达式不起作用，因为您有三个捕获组：三组()。您将第一个（第一个引号）和第三个（最后一个引号）放在输出中并忽略第二个，这是您要保留的部分。

没有理由捕获引号，因为您不想将它们注入到输出中。只需要捕获中间的位。

还有一个缺陷，(.*) 本身会匹配包含引号的字符串。所以/"(.*)"/ 将匹配整个序列"one"two"，捕获(.*)，匹配one"two。使用[^"]* 匹配一系列非引号字符。

解决这个问题，并使用 -z 将整个文本文件视为一行，这仅在文本文件中没有 nul 字符时才有效，看来这是有效的：

sed -zE 's/"([^"]+)"/„\1“/g'

【讨论】：

这是否适用于文本文件（LF 终止）？

似乎对我有用。 sed 的非 GNU 版本可能不支持 -z。

【参考方案2】：

sed -rn ':a;s/"([^"]*)"/„\1”/g;/"/!p;b;;$p;N;ba'

它将所有"xx" 替换为„xx”。如果结果不再包含"，它会被打印出来，然后我们从下一行重新开始。否则我们连接下一行并重新启动。 $p 只是在这里打印最后几行，如果它们包含一个悬空的"。

【讨论】：

也许用-z 啜饮整个文件可能有效？即sed -Ez 's/"([^"]*)"/„\1”/g' file

@potong 对于小文件是的。不确定它如何与大文件一起扩展。你知道吗？我有兴趣。