Regexp帮助需要使用Javascript解析mediawiki模板

Question

我正在使用Javascript处理Mediawiki标记。我试图删除某些参数。我无法完全找到要删除的文本和文本。

简化，模板文本可能如下所示：

{{TemplateX
| a =
Foo bar
Blah blah

Fizbin foo[[domain:blah]]

Ipsum lorem[[domain:blah]]
|b =1
|c = 0fillertext
|d = 1alphabet
| e =
| f = 10: One Hobbit
| g = aaaa, bbbb, cccc, dddd
|h = 15000
|i = -15000
| j = Level 4 [[domain:filk|Songs]]
| k =7 fizbin, 8 [[domain:trekkies|Shatners]]
|l = 
|m = 
}}

到目前为止，我提出的最好的是

<击> / \ | \ S（A | B | d | F |百灵| K | M）？（[^] [^ \ n \ |]）+ /克

更新版本：

/\|\s?(a|b|d|f|j|k|m)(?:[^\n\|]|[.\n])+/gm

给出（使用更新的正则表达式）：

{{TemplateX


|c = 0fillertext

| e =

| g = aaaa, bbbb, cccc, dddd
|h = 15000
|i = -15000

|Songs]]

|Shatners]]
|l = 

但我想要得到的是：

{{TemplateX
|c = 0fillertext
| e =
| g = aaaa, bbbb, cccc, dddd
|h = 15000
|i = -15000
|l = 
}}

我可以处理无关的新行，但我仍然需要确保＆＃39; | Songs]]＆＃39;和＆＃39; | Shatners]]＆＃39;也与正则表达式相匹配。

关于Tgr的评论，

出于我的目的，可以安全地假设每个参数都从一个新行开始，其中|是该行的第一个字符，并且没有参数定义包含|这不在[[foo | bar]]构造中。所以＆＃39; \ n |＆＃39;是一个安全的开始＆＃34;并且＆＃34;停止＆＃34;序列。所以问题归结为，对于任何给定的参数（问题中的a，b，d，f，j，k和m），我需要一个匹配＆＃39;想要参数的正则表达式。在下面：

| [other param 1] = ... 
| [wanted param] = possibly multiple lines and |s that aren't after a newline
| [other param 2]

Answer 1

您可以尝试以下操作 - 它匹配您要包含的变量，而不是您要排除的变量：

(^{{TemplateX)|\|\s*(c|e|g|h|i|l[ ]*\=[ ]*)(.*)|(}}$)

Tested here

修改

我将其增强到了这一点，如果你在regexper.com上使用图表工具比较两个正则表达式，我认为会更好一些：

(^{{TemplateX)|(\|[ ]*)(c|e|g|h|i|l)([ ]*\=[ ]*)(.*)|(}}$)

编辑2

除了评论之外，匹配不需要的参数的正则表达式是这样的：

\|[ ]?(a|b|d|f|j|k|m)([ ]*\=[ ]*)((?![\r\n]+\|)[0-9a-zA-Z, \[\]:\|\r\n\t])+

利用此answer - 它使用否定前瞻仅匹配[\r\n]+\|，这将部分满足以下声明：

  

所以'\ n |'是一个安全的“开始”和“停止”序列

Tested here在要保留的参数中引入了一些换行符（例如g）。

视觉解释：

存在使用

以外的字符的参数值的风险

[0-9a-zA-Z, \[\]:\|\r\n\t]

要解决此问题，您需要更新该列表。

Answer 2

试图考虑模板语言的完全灵活性是没有希望的。例如，模板可能看起来像

{{TemplateX
| a=1 | b=2 }}

或

{{TemplateX|
| a=1 <nowiki>|</nowiki> b=2 }}

完全不同（第一个参数有a和b，第二个参数是a个参数。正则表达式（大部分）是无上下文的，无法掌握这样的结构。

因此，除非您确定模板总是按照相同的约定使用，否则最好使用一些适当的解析器，例如mwparserfromhell：

import mwparserfromhell
wikicode = mwparserfromhell.parse(text)
for template in wikicode.filter_templates(recursive=True, matches=lambda t: t.name.strip() == 'TemplateX'):
for param in ['a', 'b', 'd', 'f', 'j', 'k', 'm']:
    template.remove(param)
print(wikicode)

（这需要在Python中重写代码或调用Python后端服务。我认为Javascript中没有任何好的wiki文本解析器。）

或者，您可以使用parse API和prop=parsetree来获取模板及其参数的XML树表示，这不是很难处理。