Question

我正在尝试编写一个正则表达式，将所有大写单词转换为小写，同时排除转换后的大写罗马数字。

我找到的唯一方法是将所有大写单词（后跟空格，逗号或句点）以及带连字符的单词转换为小写。然后将所有罗马数字转换回大写。

我用它来转换为小写：

(\u+[ ,.-])

然后我必须通过找到并替换所有可疑的罗马数字。

有什么更好的方法可以做到这一点？我尝试了没有运气的负面前瞻表达，但我写作时并不是很强。

我正在测试的样本是美国宪法。以下是输入的示例：

  我们是美国的人，为了形成一个更完美的人   工会，建立正义，确保国内安宁，提供   共同防御，促进普遍福利，并获得祝福   对我们自己和我们后代的自由，做出任命和建立   本宪法适用于美利坚合众国。

第一条。

派。 1.此处授予的所有立法权力应归属于美国国会。国家，由参议院和众议院组成。

派。 2.众议院应   由所有人每两年选出的成员组成   若干国家和每个国家的选民都应拥有   最多分支的选民必备的资格   州立法机关。任何人不得作为代表   没有达到二十五岁，已经七岁   年是美国公民，当选时不应该   是该州的居民，他将被选中。

第四条。

第五条。

第VI条。

Answer 1

如果正则表达式支持负面预测，您可以尝试：

\b(?![LXIVCDM]+\b)([A-Z]+)\b

表示“任何完整的大写单词并非完全由L，X，I，V，C，D，M组成”（罗马数字）。

它还可以方便地阻止单词“I”被转换。（顺便说一句，如果你想阻止转换一个字母的大写单词，请使用[A-Z]{2,} - 这会阻止大写“A”（在一个句子的开头）和我被转换，你通常希望保持正常情况。）

它会阻止完全由这些字母组成的单词匹配 - 我唯一能想到的是“DID”，也许是“DIV”（如HTML），“DIM”（如维度），“ MID“，”MIDI“，”VIC“（如维多利亚？）......

虽然，你当然可以改变罗马数字正则表达式，使其更加考虑规则，例如。

(?=[MDCLXVI])M{0,3}(C[DM]|DC{0,3}|C{1,3})?(X[LC]|LX{0,3}|X{1,3})?(I[XV]|VI{0,3}|I{1,3})?

说明：

(?=[MDCLXVI])           # make sure we match at least something
                        # (since everything in this regex is optional)
M{0,3}                  # Can have 0 to 3 Ms, being thousands
(C[DM]|DC{0,3}|C{1,3})? # for the hundreds column can have CD, CM, 
                        # C, CC, CCC, D, DC, DCC, DCCC
(X[LC]|LX{0,3}|X{1,3})? # for the tens column can have XL, XC, 
                        # L, LX, LXX, LXXX, X, XX, XXX
(I[XV]|VI{0,3}|I{1,3})? # for the ones column can have IX, IV,
                        # V, VI, VII, VIII, I, II, III.

我认为涵盖所有可能的罗马数字......

如果你的正则表达式不支持支持否定前瞻，也许你可以这样做：

\b((ROMAN_NUMERAL_REGEX)|([A-Z]+))\b

并替换为“$ 2 $ 3_converted_to_lower_case”（抱歉 - 我不知道如何进行实际转换）。

上述方法可行，因为正则表达式只匹配罗马数字正则表达式（并在$ 2中捕获），或其他正则表达式（在$ 3中捕获）。所以$ 2或$ 3中的一个总是空的。

grep大写单词为小写，但不包括罗马数字

1 个答案: