Question

Wiki-markup存储[[和]]之间的链接，也就是说，如果我写[[PageTitle]]，Wikipedia将生成一个指向名为 PageTitle 的内部页面的链接。但是，还可以使用[[]]生成其他链接，例如“类别”，“文件”，“帮助”，“特殊”等...

为了排除这些，我提出了以下正则表达式：

\[\[(?!Category|Wikipedia|File|Help|User talk|Special)(.*?)\]\]

这适用于大多数场景，除了引用（我首先不需要）。引用存储在 ref XML标记（<ref></ref>）中。例如：

<ref>"The remedy has been found: libertarian communism."
[http://www.theanarchistlibrary.org/HTML/Sebastien_Faure__Libertarian_Communism.html 
[[Sébastien Faure]. "Libertarian Communism"]</ref>

理想情况下，我可以完全跳过引用，但至少，读取字符串中没有的项目可能会解决这个问题。

我知道大多数人都会告诉我不要使用正则表达式来解析wiki-markup，但是我将解析维基百科中的所有链接（通过他们的XML转储），这意味着我可以编写最轻的代码，这样更好

Answer 1

因为看起来你可以使用环顾四周 添加了测试用例

 # \[\[(?!Category|Wikipedia|File|Help|User\ talk|Special)((?:(?![\[\]]).)*)\]\]

 \[\[
 (?!
      Category
   |  Wikipedia
   |  File
   |  Help
   |  User\ talk
   |  Special
 )
 (
      (?:
           (?! [\[\]] )
           . 
      )*
 )
 \]\]

Perl测试用例

$/ = undef;

$str = <DATA>;

while ( $str =~ /\[\[(?!Category|Wikipedia|File|Help|User\ talk|Special)((?:(?![\[\]]).)*)\]\]/g )
{
    print "$1\n";
}


__DATA__

[[Link 1]] and [[Link 2]] 
ref>"The remedy has been found: libertarian communism."
[http://www.theanarchistlibrary.org/HTML/Sebastien_Faure__Libertarian_Communism.html 
[[Sébastien Faure]. "Libertarian Communism"]</ref>
[[Link 3]] and [[Link 4]]

输出＆gt;＆gt;

Link 1
Link 2
Link 3
Link 4

使用正则表达式解析维基百科的内部链接

1 个答案: