正则表达式用于在匹配其他条件时排除单词

Question

问题如下。我需要匹配每一行：

• 以<
开头
• 内部没有标记<s>
• 以标记</s>
结尾

示例：

<div> blablabla </div> blablabla </s>
<div> blablabla </div> <s> blablabla </s>

我一直试图通过放置一个负向前瞻和一个通配符

^<((?!<s>).)*</s>$

并且还考虑了this trick，但到目前为止还没有成功。我也知道

grep -v

但是我希望有一个纯正的正则表达式，然后我可以在其他环境中使用（比如sed）

Answer 1

您可以使用以下正则表达式：

^(?!.*<s>)<.*</s>$

<强>解释：

^          # the beginning of the string
(?!        # look ahead to see if there is not:
  .*       #   any character except \n (0 or more times)
  <s>      #   '<s>'
)          # end of look-ahead
<          # '<'
.*         # any character except \n (0 or more times)
</s>       # '</s>'
$          # before an optional \n, and the end of the string

Live Demo

使用grep，您可以使用-P选项将模式解释为Perl正则表达式。

grep -P '^(?!.*<s>)<.*</s>$'

你也可以考虑在上下文中使用交替运算符，在左边放置你要排除的内容，（说扔掉它，它是垃圾）并在捕获组中放置你想要匹配的内容在右边。

^.*<s>.*|(<.*</s>)$

Live Demo

Answer 2

你几乎已经达到了答案。

^(?!.*<s>)<.*?</s>

---

您当前的模式所做的是搜索以<开头的字符串，但不会紧跟<s>。然而，<s>标记可以出现在您的文本中的任何位置。

Answer 3

你提到grep -v方法，但想要一个“我可以在其他环境中使用的习语（比如sed）。”实际上，grep -v方法也适用于sed。它还通过避免所有花哨（通常不受支持）的正则表达式构造来保持它非常简单。它实现如下：

sed -n '/<s>/n; /^<.*<\/s>/p' file

一次检查一件：

• -n

  除非明确询问，否则告诉sed不要打印任何内容。

• /<s>/n;

  这会告诉sed跳过<s>的任何一行。此命令与grep -v类似。 （在sed中，n命令意味着跳到下一行。）

• /^<.*<\/s>/p

  这将选择您想要的行并打印它们。

Mac OSX Note

如果我没记错的话，OSX sed（可能还有其他非GNU seds）不支持带分号的命令。解决方法是使用-e：

sed -n -e '/<s>/n' -e '/^<.*<\/s>/p' file

Answer 4

使用您评论的技巧可以帮助您。

如果你使用这个正则表达式：

.*<s>.*|(.*<\/s>)

您将在捕获组中拥有所需的行。

您有一个 working example