Question

我正在尝试将HTML转换为Latex，并希望更改此内容：

<a href="www.foo.com/bar">baz</a>

成：

baz\footnote{www.foo.com/bar}

我想生成一个Clojure函数来获取一大块文本，并替换给定段落中存在的匹配项。

我试过

(.replaceAll 
    "<a href=\"foo.com\">baz</a>" 
    "<a.*href=\"(.*)\">(.*)</a>" 
    "\2\\footnote{\1}")

但是返回：

"^Bfootnote{^A}"

我还查看了clojure.contrib.str-utils2，它有一个使用正则表达式的替换函数，但它似乎不处理反向引用。我错过了什么吗？走错了路？任何帮助表示赞赏。

Answer 1

（You should not parse HTML with a regex...）

两件事：

Java使用$1，$2来引用捕获组，而不是\1，\2。
替换文本中需要更多反斜杠。第一级反斜杠由Clojure读取器消耗，因为它是一个文字字符串。正则表达式消耗了第二级反斜杠。不幸的是，Clojure没有“原始”字符串文字的一般语法（但是？）。 Clojure文字正则表达式语法#""可以为你节省一些反斜杠，但正常的字符串没有那种魔力。

所以：

user> (.replaceAll "<a href=\"www.foo.com/bar\">baz</a>"
                   "<a.*href=\"(.*)\">(.*)</a>"
                   "$2\\\\footnote{$1}")
"baz\\footnote{www.foo.com/bar}"

你也可以这样做：

user> (require '(clojure.contrib [str-utils2 :as s]))
nil
user> (s/replace "<a href=\"www.foo.com/bar\">baz</a>"
                 #"<a.*href=\"(.*)\">(.*)</a>"
                 (fn [[_ url txt]]
                     (str txt "\\\\footnote{" url "}")))
"baz\\footnote{www.foo.com/bar}"

"\2"是一个控制字符（ASCII字符2），这就是它显示为^B的原因。与(char 2)几乎相同。

Answer 2

如果你想变得非常漂亮，你可以选择clojure.xml。它将返回一个您可以根据需要修改的结构树。您的上述示例如下所示：

{:tag :a :attrs {:href "www.foo.com/bar"} :content ["bar"]}

这可以很容易地翻译成：

["bar" {:footnote "www.foo.com/bar"}]

可以轻松地序列化为您想要的形式。最好的部分：没有不可维护的正则表达式。 :) YMMV当然.....

在Clojure中使用正则表达式和反向引用替换字符串

2 个答案: