我想查找并替换冒号之间的所有文本实例,如下所示:
微笑::thumbs_up::+1::-1:
但如果冒号是url的一部分,则不是这样,例如:http://pdf.reuters.com/htmlnews/htmlnews.asp?i=43059c3bf0e37541&u=urn:newsml:reuters.com:20190417:nPn5XHnXBa
如您所见,这个URL有几个冒号,任何这样的匹配都应该被忽略。
完整的文本也可以有一些文本前后。此外,这些也可以连续出现,中间没有任何空格。例如:
我浏览了一下,发现了这个网址:http://pdf.reuters.com/htmlnews/htmlnews.asp?i=43059c3bf0e37541&u=urn:newsml:reuters.com:20190417:nPn5XHnXBa::smile::+1:记住:别忘了投票!
我希望结果是:
我正在浏览并发现这个url http://pdf.reuters.com/htmlnews/htmlnews.asp?i=43059c3bf0e37541&u=urn:newsml:reuters.com:20190417:nPn5XHnXBa --这太棒了--记住:别忘了投票!
我使用python模块进行替换。
我的想法是:“好的,我应该找到任何URL,并告诉regex忽略任何属于URL的匹配。”
因此,我有一个正则表达式来成功地匹配任何这样的URL:(http^\s+)
这将找到http和其他任何东西,直到有一个非空白字符或换行符,这将指示URL的结尾。
我还有regex来匹配(包括)冒号之间的文本:(:\w+-+:)
所以..。我希望使用负前瞻性,并像这样组合这2:(?!http^\s+)(\W+-+:)
这几乎是完美的,但它最终匹配了URL::newsml:和:20190417的这两个部分:
我如何构建这个正则表达式,以便它在文本中的任何地方都匹配,除非冒号是URL的一部分?
多谢百万!
PS。我一直在用这个很棒的网站测试我的模式..。https://regexr.com/
发布于 2019-04-19 02:56:20
一种选择是让regex匹配一个URL模式(在组中捕获),或者匹配:中包含的内容,然后可以替换为第一个捕获组:
(https?://\S+)|:[\w+-]+:代之以
\1这确保URLS将保持在文本中的位置(被匹配并与自己替换),但是您想要删除的冒号部分将被匹配并被替换。
https://stackoverflow.com/questions/55755984
复制相似问题