Regex EditPad：需要一个处理多种可能数据格式的正则表达式

首先，我正在使用EditPadPro进行正则表达式清理，所以给出的任何答案都应该在该环境中起作用

我得到了一个大的电子表格，里面装满了我每天都要清理的数据。我已经设法把它归结为我运行的两个不同的正则表达式，这很有效。。。但我很好奇，看看是否有可能减少到一个单一的正则表达式

以下是一些示例数据：

3-CPC_114851_70095_70095_CAN-bre
3-CPC_114851_70095_70095_CAN
b11-ao1-113775-bre
b7-ao-114441
b7-ao-114441-bre
b7-ao1-114441
b7-ao1-114441-bre
http://go.nlvid.com/results1/?http://bo
go.nlv/results1/?click
b4-sm-1359
b6-sm-1356-bre
1359_195_1453814569-bre
1356_104_1456856729
b15-rad-8905
b15-rad-8905-bre

以下是上述数据的最终结果：

114851-bre
114851
113775-bre
114441
114441-bre
114441
114441-bre
http://go.nlvid.com/results1/
go.nlv/results1/
sm-1359
sm-1356-bre
sm-1359-bre
sm-1356
rad-8905
rad-8905-bre

因此，有许多规则，例如：

• 如果有两个以上的下划线，则结果只需包含紧跟在第一个下划线之后的值，以及从破折号开始的所有内容
• 如果字符串包含“-ao-”、“-ao1-”，则应删除最终数字字符串之前的所有内容
• 如果出现问号，则应从问号开始删除所有内容
• 如果字符串包含“-sm-”或“-rad-”，则应删除这些alpha字符串之前的所有内容
• 如果字符串包含2个下划线，则在第一个数字字符串后平均到一个破折号 （如果存在）应移除，并且字符串“sm-”应加上前缀

此外，还有其他必须保持不变的数据，包括但不限于：

113535 | 24905 | 24905

以及xxxxxx | yyyy | zzzzz这种模式的许多变体（并不总是那些字符串长度）

这可能是要求太多的正则表达式，我不确定，因为我不太适合它。但是我已经看到了一些令人印象深刻的东西，所以我想我应该把它公布给社区，看看你会得到什么。

试试这个：

切换搜索面板：

SHIFT+CTRL+F

搜索：

*？（（？：sm-| rad-）（？：（？：\d+|[\w\.]+\/.？）（？：-\w+？$）

替换：

$1

检查

REGEX

和

WORDS

单击

Replace All

或点击

CTRL+ALT+F3

查看下图：

---

乔纳森，我可以将所有这些都包装到一个正则表达式中，但最后一个除外（在最后一个正则表达式中，您将

sm-

前置到一个不包含

sm

的字符串中）。在这种情况下是不可能的，因为我们无法捕获“sm”以在替换中重用，并且因为在EPP中没有“条件替换”语法

也就是说，您可以通过两个正则表达式和一个宏来链接这两个正则表达式，从而在EPP中实现您想要的功能

这里是如何

以下溶液在EPP中进行了测试

Regex 1

按Ctrl+Sh+F进入搜索/替换模式

在适当的框中输入以下搜索和替换

在搜索栏右上角，单击收藏夹搜索下拉列表，选择“添加”，为其命名，例如Regex 1

搜索：

(?mx)^
(?=(?:[^_\r\n]*?_){3})[^_\r\n]+?_([^_\r\n]+)[^-\r\n]+(-[^\r\n]+)?
|
[^\r\n]*?-ao1?-\D*([^\r\n]+)
|
([^\r\n?]*)(?=\?)[^\r\n]+
|
[^\r\n]*?-((?:sm|rad)-[^\r\n]+)

\1\2\3\4\5

替换：

(?mx)^
(?=(?:[^_\r\n]*?_){3})[^_\r\n]+?_([^_\r\n]+)[^-\r\n]+(-[^\r\n]+)?
|
[^\r\n]*?-ao1?-\D*([^\r\n]+)
|
([^\r\n?]*)(?=\?)[^\r\n]+
|
[^\r\n]*?-((?:sm|rad)-[^\r\n]+)

\1\2\3\4\5

Regex 2

与上述1-2-3步骤相同

搜索

^(?!(?:[^_\r\n]*?_){3})(?=(?:[^_\r\n]*?_){2})(\d+)(?:[^-\r\n]+(-[^\r\n]+)?)

更换

sm-\1\2

链接正则表达式1和正则表达式2

顶部菜单：宏，录制宏，给它命名

单击收藏夹搜索下拉列表，选择正则表达式1

点击全部替换

单击收藏夹搜索下拉列表，选择正则表达式2

点击全部替换

宏，停止录制

无论何时，只要您想执行替换序列，请在“宏”菜单下按名称拖动它

测试此功能

我已经在您的输入上测试了我的“Jonathan宏”。结果如下：

114851-bre
114851
113775-bre
114441
114441-bre
114441
114441-bre
http://go.nlvid.com/results1/
go.nlv/results1/
sm-1359
sm-1356-bre
sm-1359-bre
sm-1356
rad-8905
rad-8905-bre

---

谢谢，但我不知道你说的是什么意思，需要修改。我该如何将它们合并到正则表达式中？给我几分钟时间，我将对此进行调查u@JonathanvanClute请尝试不带任何修饰符的正则表达式，检查它是否有效。我确实尝试过，它似乎没有任何作用。它突出显示了它正在搜索的结果，并且似乎突出显示了与我所需要的正好相反的结果，但是替换结果似乎只是用它自己来替换，所以实际上什么都没有发生。@JonathanvanClute好的，我来看看。很有趣，谢谢你的尝试！尽管它并没有达到我想要的效果，但我希望能从你的回答中学到一两件事@EPP和regex uberexpert（Jan）的作者JonathanvanClute证实了我的怀疑，即没有已知的捕获不在字符串中的文本的技巧：

我不知道有任何regex引擎允许您捕获实际不匹配的文本。您可以使用“环顾”中的捕获组捕获未包含在整体匹配中的文本，但在尝试环顾时仍需要匹配该文本。

如果您有任何问题，请告诉我。你最初的问题是什么是可能的，在我看来，这个答案是你在EPP中能得到的最接近的答案。这很有趣，谢谢你的更新。不幸的是，这两个答案在某些方面都有效，但在其他方面都失败了。您的未能处理以下问题-

3-CPC_114851_70095_70095_CAN

，

http://go.nlvid.com/results1/?http://bo

，

go.nlv/results1/？单击

，和

1356_104_1456856729

（最后，它不仅未能预先结束sm-正如您所解释的那样无法完成，而且实际上根本没有处理字符串）。所以坦率地说，我必须回答这两个部分都起作用。在结束之前，我会等一等，看看是否有人提出了更接近我期望的东西。哦，哇，在这之前我不熟悉在EPP中使用宏。有了这个特性，我就可以用我拥有的正则表达式来实现这一点。谢谢你的努力@JonathanvanClute不客气，很高兴它成功了。是的，宏很容易设置，不是吗？顺便说一句，如果出于任何原因，有一个长宏需要大量编辑，而不是重新录制，你可以将其导出，打开文件，在内部编辑，然后再次导入。嘿，乔纳森，为了完成我的编辑