如何生成可生成原始文本和修改版本的regexp？

如何构建一个正则表达式来保留原始文本，并附加原始文本的修改版本？例如，在“|”之后添加以下文本的副本，删除非字母数字字符，并用破折号替换空格

这：

变成这样：

Hi. My name is Nick.|Hi-My-name-is-Nick
This: Is the second line?|This-Is-the-second-line

编辑：现在消除了OP指定的标点符号。这也正确地将下划线视为标点符号，使用正则表达式

（\W |)
，而不仅仅是
\W
（感谢@crayons>）


这就是如何在Java中使用regex实现的。我没有使用regex进行复制。相反，我只是将原始字符串（加上“|”）附加到输出缓冲区，然后再附加替换字符串

import  java.util.regex.Pattern;
import  java.util.regex.Matcher;

/**
   <P>{@code java DupLinesChangeSpaceToDashInDup}</P>
 **/
public class DupLinesChangeSpaceToDashInDup  {
   public static final void main(String[] ignored)  {
      //input
         String sLS = System.getProperty("line.separator", "\r\n");
         StringBuilder inputBldr = new StringBuilder().
            append("Hi. My name is Ni__ck.").append(sLS).
            append("This is the second line!").append(sLS);
         String[] textInputArr = inputBldr.toString().split(sLS);

      //config
         //"": Dummy search string, to reuse matcher
         Matcher mtchrNonWordChar = Pattern.compile("(\\W|_)").matcher("");

      //go
         StringBuffer rplcmntBfr = new StringBuffer();
         for(String lineText : textInputArr)  {
            rplcmntBfr.append(lineText).append("|");

            String[] wordArr = lineText.split(" ");

            for(int i = 0; i < wordArr.length; i++)  {
               String s = wordArr[i];
               rplcmntBfr.append(mtchrNonWordChar.reset(s).replaceAll(""));
               if(i < wordArr.length - 1)  {
                  rplcmntBfr.append("-");
               }
            }
            rplcmntBfr.append(sLS);
         }

      System.out.println(rplcmntBfr);
   }
}

。。。这是php版本

$string = "Hi. My name is Nick.";
$string = $string.'|'.preg_replace('~\s~','-',preg_replace('~[^a-z0-9\s]~i','',$string));

。。。还有一个js版本

var string = "Hi. My name is Nick.";
string = string+'|'+string.replace(/[^a-z0-9\s]/gi,'').replace(/\s/g,'-');

Javascript版本：

var s = "Hi. My name is Nick.\nThis is the second line!\n";
var replaced = s.replace(/.+/g, function(m) {
  return m + '|' + m.replace(/[^a-z0-9\s]+/ig, '').replace(/\s+/g, '-');
} );
console.log(replaced);

输出：

Hi. My name is Nick.|Hi-My-name-is-Nick
This is the second line!|This-is-the-second-line

保留原文

这个步骤很简单，因为您可以将结果附加到原始文本中。如果您的意思是“保留原始匹配项”，则在匹配项周围加上大括号
（）
，这将是组1，由\1或$1引用，具体取决于语言

附加一个。。。删除非字母数字字符，空格替换为破折号

这最容易通过两个步骤完成：

1）用破折号替换空格

匹配=
\s

替换=
-

这将用
hello how------you

如果要用单个
-
替换连续空格，请使用

匹配=
\s+
替换=
-

2）删除非字母数字

匹配=
[^A-Za-z0-9]

Replace=
'
这是使用Perl的方法

全文共分三部分

1） 打印原始字符串，后跟一个
|

print "$_|";

2） 用单个
-
替换非字母数字字符

 s/[^a-zA-Z0-9]+/-/g

3） 使用删除最后一个
-

s/[-]$//

一些例子-

$ echo -n "Hi. My name is Nick." | perl -pe 'print "$_|"; s/[^a-zA-Z0-9]+/-/g' 
  | perl -pe 's/[-]$//'
Hi. My name is Nick.|Hi-My-name-is-Nick


$ echo -n "This: Is the second line?" | perl -pe 'print "$_|"; s/[^a-zA-Z0-9]+/-/g' 
  | perl -pe 's/[-]$//'
This: Is the second line?|This-Is-the-second-line

通常使用捕获组，然后用
\1
或
$1
引用它（其中1是捕获组的编号）。如果您提到这是哪种语言，会更有帮助。
变成了这
的第二行，而不是这
的第二行！？他要求去掉非字母数字（不包括空格）。谢谢！我没听清楚。需要一种完全不同的（幸运的是更简单、更短）方法。更新。关于这件事的几点注意事项。。1） 假设非字母数字的内容将以空格作为前缀或后缀。因此，这将不正确地将“foo.bar”替换为“foo-bar”，而不是返回“foobar”。2） 关于字母数字的注释。。他说的是字母数字，而不是“单词”字符。所以
\W
将保留“foo\u bar”，当它应该返回“foobar”时，感谢您提供有关下划线的提示。我已经用regex
（\W |)
@crayon更新了我的Java答案，谢谢你的评论。我相应地更新了答案。
s/[-]$//

$ echo -n "Hi. My name is Nick." | perl -pe 'print "$_|"; s/[^a-zA-Z0-9]+/-/g' 
  | perl -pe 's/[-]$//'
Hi. My name is Nick.|Hi-My-name-is-Nick


$ echo -n "This: Is the second line?" | perl -pe 'print "$_|"; s/[^a-zA-Z0-9]+/-/g' 
  | perl -pe 's/[-]$//'
This: Is the second line?|This-Is-the-second-line