求一个自动循环替换的正则表达式

chensanxing

现在要替换文件中所有满足条件的字符串，
替换的值需要 根据 满足条件的字符串查找 文件中查找另一个该串，
举例如下：
以下加粗部分需要被替换（正则表达式： <A\sHREF=#linktab-?\d+><IMG\ssrc=link.jpeg\sborder=0></A> ）
替换的值为 根据#linktab0，#linktab1，#linktab-2查找linktab0，linktab1，linktab-2
之后的表格，将各表格中第二个td的值 取出来分别替换：
    即：
    “<A HREF=#linktab0><IMG src=link.jpeg border=0></A>” 替换成 'SDR'
    “<A HREF=#linktab1><IMG src=link.jpeg border=0></A>” 替换成 0
    “<A HREF=#linktab-2><IMG src=link.jpeg border=0></A>” 替换成 345345  

-----------------------------

<TD ALIGN=CENTER VALIGN=CENTER>
<A HREF=#linktab0><IMG src=link.jpeg border=0></A>
</TD>
<TD ALIGN=CENTER VALIGN=CENTER>
<A HREF=#linktab1><IMG src=link.jpeg border=0></A>
</TD>
<TD ALIGN=CENTER VALIGN=CENTER>
<A HREF=#linktab-2><IMG src=link.jpeg border=0></A>
</TD>
...
<A NAME = "linktab0"></A>
<TABLE CELLPADING=2 BORDER=2 WIDTH=100%>
<TR>
<TD ALIGN=LEFT VALIGN=TOP BGCOLOR=#ffffff WIDTH=800>
<B><FONT SIZE=2 COLOR=#000000 FACE='Times New Roman'>Default</FONT></B></TD>
</TR>
<TR>
<TD ALIGN=LEFT VALIGN=TOP BGCOLOR=#ffffff>
<FONT SIZE=2 COLOR=#000000 FACE='Times New Roman'>'SDR'</FONT></TD>
</TR>
</TABLE>
<A NAME = "linktab1"></A>
<TABLE CELLPADING=2 BORDER=2 WIDTH=100%>
<TR>
<TD ALIGN=LEFT VALIGN=TOP BGCOLOR=#ffffff WIDTH=800>
<B><FONT SIZE=2 COLOR=#000000 FACE='Times New Roman'>Default</FONT></B></TD>
</TR>
<TR>
<TD ALIGN=LEFT VALIGN=TOP BGCOLOR=#ffffff>
<FONT SIZE=2 COLOR=#000000 FACE='Times New Roman'>0</FONT></TD>
</TR>
</TABLE>
<A NAME = "linktab-2"></A>
<TABLE CELLPADING=2 BORDER=2 WIDTH=100%>
<TR>
<TD ALIGN=LEFT VALIGN=TOP BGCOLOR=#ffffff WIDTH=800>
<B><FONT SIZE=2 COLOR=#000000 FACE='Times New Roman'>Default</FONT></B></TD>
</TR>
<TR>
<TD ALIGN=LEFT VALIGN=TOP BGCOLOR=#ffffff>
<FONT SIZE=2 COLOR=#000000 FACE='Times New Roman'>345345</FONT></TD>
</TR>
</TABLE>

-----------------------------

chensanxing

不知道这种替换单用正则表达式能否实现， 是不是需要写perl代码

ynchnluiti

1. 
   
2. perl -e 'local $/; $htm = <>;1 while($htm =~ s{(<A HREF=#([^>]*).*?</A>)(.*?"\2".*?</TR>\s*<TR>\s*<TD.*?<FONT[^>]*>([^<]*))}{$4$3}sg);print $htm' 1.html
   
3. <TD ALIGN=CENTER VALIGN=CENTER>
   
4. 'SDR'
   
5. </TD>
   
6. <TD ALIGN=CENTER VALIGN=CENTER>
   
7. 0
   
8. </TD>
   
9. <TD ALIGN=CENTER VALIGN=CENTER>
   
10. 345345
    
11. </TD>
    
12. ...
    
13. <A NAME = "linktab0"></A>
    
14. <TABLE CELLPADING=2 BORDER=2 WIDTH=100%>
    
15. <TR>
    
16. <TD ALIGN=LEFT VALIGN=TOP BGCOLOR=#ffffff WIDTH=800>
    
17. <B><FONT SIZE=2 COLOR=#000000 FACE='Times New Roman'>Default</FONT></B></TD>
    
18. </TR>
    
19. <TR>
    
20. <TD ALIGN=LEFT VALIGN=TOP BGCOLOR=#ffffff>
    
21. <FONT SIZE=2 COLOR=#000000 FACE='Times New Roman'>'SDR'</FONT></TD>
    
22. </TR>
    
23. </TABLE>
    
24. <A NAME = "linktab1"></A>
    
25. <TABLE CELLPADING=2 BORDER=2 WIDTH=100%>
    
26. <TR>
    
27. <TD ALIGN=LEFT VALIGN=TOP BGCOLOR=#ffffff WIDTH=800>
    
28. <B><FONT SIZE=2 COLOR=#000000 FACE='Times New Roman'>Default</FONT></B></TD>
    
29. </TR>
    
30. <TR>
    
31. <TD ALIGN=LEFT VALIGN=TOP BGCOLOR=#ffffff>
    
32. <FONT SIZE=2 COLOR=#000000 FACE='Times New Roman'>0</FONT></TD>
    
33. </TR>
    
34. </TABLE>
    
35. <A NAME = "linktab-2"></A>
    
36. <TABLE CELLPADING=2 BORDER=2 WIDTH=100%>
    
37. <TR>
    
38. <TD ALIGN=LEFT VALIGN=TOP BGCOLOR=#ffffff WIDTH=800>
    
39. <B><FONT SIZE=2 COLOR=#000000 FACE='Times New Roman'>Default</FONT></B></TD>
    
40. </TR>
    
41. <TR>
    
42. <TD ALIGN=LEFT VALIGN=TOP BGCOLOR=#ffffff>
    
43. <FONT SIZE=2 COLOR=#000000 FACE='Times New Roman'>345345</FONT></TD>
    
44. </TR>
    
45. </TABLE>
    
46. 
    

复制代码

cobrawgl

my $data = join '', <DATA>;
$data =~ s{#(linktab.*?)>}[($data =~ m|<A NAME = "$1">.*?<FONT .*?>.*?</FONT>.*?<FONT .*?>(.*?)</FONT>|s) ? $1 . '>' : '']sge;

chensanxing

多谢， 问题是帮我解决了，

但是还有几点不太明白， 希望指点：

1 模式中"\2"  怎么理解
2 整个 模式中  3对 括号，而且有嵌套， 而替换时 用 的 $4$3 代表什么意思？

ynchnluiti

原帖由 chensanxing 于 2008-12-9 22:25 发表
多谢， 问题是帮我解决了，

但是还有几点不太明白， 希望指点：

1 模式中"\2"  怎么理解
2 整个 模式中  3对 括号，而且有嵌套， 而替换时 用 的 $4$3 代表什么意思？

1 \2是前面的第二对（按'('出现的顺序）括号捕获的内容，即(<A HREF=#([^>]*).*?</A>) 中([^>]*)捕获的内容
2 共四对括号，$3、$4（按'('出现的顺序）分别是：(.*?"\2".*?</TR>\s*<TR>\s*<TD.*?<FONT[^>]*>([^<]*)) 和其中的([^<]*)

chensanxing

原帖由 ynchnluiti 于 2008-12-10 00:19 发表

1 \2是前面的第二对（按'('出现的顺序）括号捕获的内容，即(]*).*?) 中([^>]*)捕获的内容
2 共四对括号，$3、$4（按'('出现的顺序）分别是：(.*?"\2".*?\s*\s*([^

对于第二点， 还是不知道如何理解， 难道用 之前 第四和第三个括号中的内容替换 第一个花括号中 匹配的内容？


另外， 那个 while 之前 的 1 表示什么意思？


还是没有弄明白， 麻烦你 再作讲解， 并最好推荐 相关的帖子 或者书籍。


谢谢。

ynchnluiti

原帖由 chensanxing 于 2008-12-10 14:33 发表

对于第二点， 还是不知道如何理解， 难道用 之前 第四和第三个括号中的内容替换 第一个花括号中 匹配的内容？
另外， 那个 while 之前 的 1 表示什么意思？

还是没有弄明白， 麻烦你 再作讲解 ...

s{x}{y} => s/x/y/。是替换第一个{}中的内容。

1 while () => while () {;} 没有实际动作。看看大骆驼吧（Perl 语言编程）

因此我们只写一个 1，这也是一件无聊的事情，不过有时候无聊比没希望好。下面是一些例子，它们又用了一些正则表达式怪兽：

  # 把逗号放在一个整数的合理的位置
  1 while s/(\d)(\d\d\d)(?!\d)/$1,$2/;

chensanxing

s{x}{y} => s/x/y/。是替换第一个{}中的内容。

s{ (<A HREF=#([^>]*).*?</A>)(.*?"\2".*?</TR>\s*<TR>\s*<TD.*?<FONT[^>]*>([^<]*)) }{$4$3}
即 s/(<A HREF=#([^>]*).*?</A>)(.*?"\2".*?</TR>\s*<TR>\s*<TD.*?<FONT[^>]*>([^<]*))/$4$3/

理论上 用 $4$3 替换 (<A HREF=#([^>]*).*?</A>)(.*?"\2".*?</TR>\s*<TR>\s*<TD.*?<FONT[^>]*>([^<]*))  我还是知道的，
但是，实际上 只需要拿 第四个 括号 即 ([^<]*) 来 替换 第一个 括号中的 文本 即 (<A HREF=#([^>]*).*?</A>)  ？

执行这个正则式， 事实上 只替换 了 第一个 {} 中的第一个 () 的内容， $4$3  事实上 只是第四个 () 的内容，

为什么呢？

ynchnluiti

原帖由 chensanxing 于 2008-12-10 23:15 发表
s{x}{y} => s/x/y/。是替换第一个{}中的内容。

s{ (]*).*?)(.*?"\2".*?\s*\s*([^

说的不明白 。最好自己动手测试一下。

1. 你说的对，就是用$4——([^<]*)——的内容替换$1——(<A HREF=#([^>]*).*?</A>)——的内容。
   
2. $2, $3用来定位，及保存不用替换的内容。
   
3. 以linktab0为例。要实现：
   
4. <A HREF=#linktab0><IMG src=link.jpeg border=0></A>
   
5. 替换成
   
6. 'SDR'

复制代码

1. 对于正则：(<A HREF=#([^>]*).*?</A>)(.*?"\2".*?</TR>\s*<TR>\s*<TD.*?<FONT[^>]*>([^<]*))
   
2. $1=<A HREF=#linktab0><IMG src=link.jpeg border=0></A>
   
3. $2=linktab0
   
4. $3=
   
5. </TD>
   
6. <TD ALIGN=CENTER VALIGN=CENTER>
   
7. <A HREF=#linktab1><IMG src=link.jpeg border=0></A>
   
8. </TD>
   
9. <TD ALIGN=CENTER VALIGN=CENTER>
   
10. <A HREF=#linktab-2><IMG src=link.jpeg border=0></A>
    
11. </TD>
    
12. ...
    
13. <A NAME = "linktab0"></A>
    
14. <TABLE CELLPADING=2 BORDER=2 WIDTH=100%>
    
15. <TR>
    
16. <TD ALIGN=LEFT VALIGN=TOP BGCOLOR=#ffffff WIDTH=800>
    
17. <B><FONT SIZE=2 COLOR=#000000 FACE='Times New Roman'>Default</FONT></B></TD>
    
18. </TR>
    
19. <TR>
    
20. <TD ALIGN=LEFT VALIGN=TOP BGCOLOR=#ffffff>
    
21. <FONT SIZE=2 COLOR=#000000 FACE='Times New Roman'>'SDR'
    
22. "
    
23. $4='SDR'

复制代码

s{...}{$4$3}中的$3是为了保持$3的内容不变。如果写成s{..}{$4}那$3的内容就被替换成空了。

[ 本帖最后由 ynchnluiti 于 2008-12-11 00:34 编辑 ]