使用正则表达式查找句子中间的回车

Question

我对regex非常陌生，但到目前为止，我喜欢它的强大功能。令人难以置信，尽管有很多东西需要我去思考。

我已经尝试解决这个问题有一段时间了，根据我在网上读到的内容测试了各种正则表达式。但我似乎遗漏了什么。

我在OpenOffice/LibreOffice中有一个很长的文档。作者使用了以下糟糕的布局实践，我需要删除和/或纠正这些实践：

1)行首的空格，用于缩进段落。

2)行尾的空格。不知道他们为什么会在那里。

3)在句子中间返回回车符以强制换行(我猜)。我称这些为“假CRs”。在这种情况下，任何没有句子定义标点符号的CR (句号、问号、感叹号，或者其中任何带有“后”的句子)都是“假CR”。如果在CR之前有适当的句子定义标点符号，那么我认为这是真正的CR，不希望删除它。

我已经能够很容易地完成#1和#2。但是#3把我难倒了。

我设法破解了一些东西，可以找到我想要的东西，但它将包括一行的最后一个字母，而不仅仅是CR。因此，这样做即使是一个空的替换也会去掉CR，但也会去掉最后一个字母。

任何帮助都将不胜感激。

我用来执行这个正则表达式的软件是TextSoap (在Mac上)。据我所知，它处理正则表达式是“正常”的方式，而不是它自己的不规则扭曲。

实际上，我想在LibreOffice/OpenOffice上的Find-Replace中运行生成的正则表达式，但它不接受任何标准的正则表达式。它们在TextSoap中工作得很好，但在OO/LO中没有结果。不知道为什么-似乎OO没有默认的Regex实现(或者我只是做错了什么)。因此，我目前正在将文本从LibreOffice文档复制到text soap，对其进行排序，然后再将其复制回来。

谢谢..。

乔纳森

更新:我应该提供一个例子(很抱歉忘了这样做)：

这里有一个示例：http://best-mac-tips.com/wp-content/uploads/example.txt

Answer 1

此句中换行符的正则表达式应该在TextMate中有效：

(?<![\s.?!]"|[\s.?!])\s+

TM的正则表达式功能是由Oniguruma library提供的，它将接受由两个或更多具有不同但固定长度的替换项组成的后视。或者你可以直接使用它，它可以在任何支持lookbehinds的风格中工作：

(?<![\s.?!]")(?<![\s.?!])\s+

替换字符串将是单个空格。这也将取代简单的空格，但这不会有任何坏处。要去掉前导空格和尾随空格，请使用以下正则表达式：

^[ ]+|[ ]+$

...and将其替换为空。(括号实际上并不是必需的，它们只是让它更容易阅读。)

Answer 2

在没有看到示例的情况下，我认为这可以找到任何\n或\r这不是句子的结尾：

 (.+?)([\n\r]+)(.+?[\.\?\!]+)

我怀疑，将匹配组1和匹配组3之间的空格组合在一起会返回您想要的字符串。

(更新，因为出于某种原因，我以为您使用的是python...)

另一个更新:在第一个捕获组之前添加\s*，在最后一个捕获组之后添加\s*将过滤掉这些缩进/空格。

\s*?(.+?)(\n\r+)(.+?.\?!+)\s*

Answer 3

你需要的是一个lookbehind assertion

s/(?<![.!?]"?)\n/ /

(请注意，我认为您希望替换为一个空格，或者两个空格，否则看起来会很滑稽)。

你也许还能让反向引用起作用。