学习正则表达式 - 用 HTML 标记文本
2024-05-11 15:23:43
目录
一、需求
二、实现
1. 插入测试数据
2. 使用 SQL 查询添加标签
三、分析
1. 添加头部标签
2. 添加尾部标签
3. 添加标题标签
4. 添加段落标签
5. 添加换行标签
6. 添加空行标签
一、需求
使用 rime.txt 中柯勒律治的诗文作为示例文本，通过正则表达式为普通文本添加 HTML5 标签。可以在 Github 中找到 rime.txt 文件，地址是https://github.com/michaeljamesfitzgerald/Introducing-Regular-Expressions。为了节省篇幅，节选部分文本作为测试数据。
二、实现
1. 插入测试数据
drop table if exists t1;
create table t1 (a text);
insert into t1 values (
'THE RIME OF THE ANCYENT MARINERE, IN SEVEN PARTS.ARGUMENT.How a Ship having passed the Line was driven by Storms to the cold Country towards the South Pole; and how from thence she made her course to the tropical Latitude of the Great Pacific Ocean; and of the strange things that befell; and in what manner the Ancyent Marinere came back to his own Country.I.It is an ancyent Marinere,And he stoppeth one of three:"By thy long grey beard and thy glittering eye"Now wherefore stoppest me?"The Bridegroom\'s doors are open\'d wide"And I am next of kin;"The Guests are met, the Feast is set,--"May\'st hear the merry din.--II.The Sun came up upon the right,Out of the Sea came he;And broad as a weft upon the leftWent down into the Sea.And the good south wind still blew behind,But no sweet Bird did followNe any day for food or playCame to the Marinere\'s hollo!III.I saw a something in the SkyNo bigger than my fist;At first it seem\'d a little speckAnd then it seem\'d a mist:It mov\'d and mov\'d, and took at lastA certain shape, I wist.A speck, a mist, a shape, I wist!And still it ner\'d and ner\'d;And, an it dodg\'d a water-sprite,It plung\'d and tack\'d and veer\'d.IV."I fear thee, ancyent Marinere!"I fear thy skinny hand;"And thou art long and lank and brown"As is the ribb\'d Sea-sand."I fear thee and thy glittering eye"And thy skinny hand so brown"--Fear not, fear not, thou wedding guest!This body dropt not down.V.O sleep, it is a gentle thingBelov\'d from pole to pole!To Mary-queen the praise be yevenShe sent the gentle sleep from heavenThat slid into my soul.The silly buckets on the deckThat had so long remain\'d,I dreamt that they were fill\'d with dewAnd when I awoke it rain\'d.VI.FIRST VOICE."But tell me, tell me! speak again,"Thy soft response renewing--"What makes that ship drive on so fast?"What is the Ocean doing?"SECOND VOICE."Still as a Slave before his Lord,"The Ocean hath no blast:"His great bright eye most silently"Up to the moon is cast--VII.This Hermit good lives in that woodWhich slopes down to the Sea.How loudly his sweet voice he rears!He loves to talk with MarineresThat come from a far Contrée.He kneels at morn and noon and eve--He hath a cushion plump:It is the moss, that wholly hidesThe rotted old Oak-stump.'
);2. 使用 SQL 查询添加标签
with
t1 as (select regexp_replace -- 添加头部标签
(a, '^(.*)$',
'<! DOCTYPE html>
<html lang="en"><head><title>$1<title></head>
<body>
<h1>$1<h1>',1,1,'m') a from t1),
t2 as (select regexp_replace -- 添加尾部标签
(a, '($)',concat('$1',char(10),char(10),'</body>',char(10),'</html>')) a from t1),
t3 as (select regexp_replace -- 添加标题标签
(a, '^(ARGUMENT\\.|((I{1,3}|IV|VI{0,2})\\.))$','<h2>$1</h2>', 1,0,'m') a from t2),
t4 as (select regexp_replace -- 添加段落标签
(a, '((?<=<h2>ARGUMENT\\.</h2>\\n).*?(?=\\n<h2>I\\.</h2>)|(?<=<h2>I\\.</h2>\\n).*?(?=\\n</body>))','<p>$1</p>', 1,0,'n') a from t3),
t5 as (select regexp_replace -- 添加换行标签
(a, '^([ ]{5,7}.*)', '$1<br/>',1,0,'m') a from t4),
t6 as (select regexp_replace(regexp_replace -- 添加空行标签
(a, '^$', '<br/>',1,0,'m'),'<br/>','',1,1,'m') a from t5)
select * from t6;查询结果如下，在原文本上添加了基本的 HTML5 头尾、标题、段落、换行等标签：
<! DOCTYPE html>
<html lang="en"><head><title>THE RIME OF THE ANCYENT MARINERE, IN SEVEN PARTS.<title></head>
<body>
<h1>THE RIME OF THE ANCYENT MARINERE, IN SEVEN PARTS.<h1><h2>ARGUMENT.</h2>
<p>
How a Ship having passed the Line was driven by Storms to the cold Country towards the South Pole; and how from thence she made her course to the tropical Latitude of the Great Pacific Ocean; and of the strange things that befell; and in what manner the Ancyent Marinere came back to his own Country.
</p>
<h2>I.</h2>
<p>It is an ancyent Marinere,<br/>And he stoppeth one of three:<br/>"By thy long grey beard and thy glittering eye<br/>"Now wherefore stoppest me?<br/>
<br/>"The Bridegroom's doors are open'd wide<br/>"And I am next of kin;<br/>"The Guests are met, the Feast is set,--<br/>"May'st hear the merry din.--<br/>
<br/>
<h2>II.</h2>
<br/>The Sun came up upon the right,<br/>Out of the Sea came he;<br/>And broad as a weft upon the left<br/>Went down into the Sea.<br/>
<br/>And the good south wind still blew behind,<br/>But no sweet Bird did follow<br/>Ne any day for food or play<br/>Came to the Marinere's hollo!<br/>
<br/>
<h2>III.</h2>
<br/>I saw a something in the Sky<br/>No bigger than my fist;<br/>At first it seem'd a little speck<br/>And then it seem'd a mist:<br/>It mov'd and mov'd, and took at last<br/>A certain shape, I wist.<br/>
<br/>A speck, a mist, a shape, I wist!<br/>And still it ner'd and ner'd;<br/>And, an it dodg'd a water-sprite,<br/>It plung'd and tack'd and veer'd.<br/>
<br/>
<h2>IV.</h2>
<br/>"I fear thee, ancyent Marinere!<br/>"I fear thy skinny hand;<br/>"And thou art long and lank and brown<br/>"As is the ribb'd Sea-sand.<br/>
<br/>"I fear thee and thy glittering eye<br/>"And thy skinny hand so brown"--<br/>Fear not, fear not, thou wedding guest!<br/>This body dropt not down.<br/>
<br/>
<h2>V.</h2>
<br/>O sleep, it is a gentle thing<br/>Belov'd from pole to pole!<br/>To Mary-queen the praise be yeven<br/>She sent the gentle sleep from heaven<br/>That slid into my soul.<br/>
<br/>The silly buckets on the deck<br/>That had so long remain'd,<br/>I dreamt that they were fill'd with dew<br/>And when I awoke it rain'd.<br/>
<br/>
<h2>VI.</h2>
<br/>FIRST VOICE.<br/>"But tell me, tell me! speak again,<br/>"Thy soft response renewing--<br/>"What makes that ship drive on so fast?<br/>"What is the Ocean doing?"<br/>
<br/>SECOND VOICE.<br/>"Still as a Slave before his Lord,<br/>"The Ocean hath no blast:<br/>"His great bright eye most silently<br/>"Up to the moon is cast--<br/>
<br/>
<h2>VII.</h2>
<br/>This Hermit good lives in that wood<br/>Which slopes down to the Sea.<br/>How loudly his sweet voice he rears!<br/>He loves to talk with Marineres<br/>That come from a far Contrée.<br/>
<br/>He kneels at morn and noon and eve--<br/>He hath a cushion plump:<br/>It is the moss, that wholly hides<br/>The rotted old Oak-stump.<br/>
</p>
</body>
</html>三、分析
该实现使用内嵌视图，嵌套6层，依次调用了 7 次 regexp_replace 函数添加标签。
1. 添加头部标签
用如下 regexp_replace 函数添加头部标签。
regexp_replace
(a, '^(.*)$',
'<! DOCTYPE html>
<html lang="en"><head><title>$1<title></head>
<body>
<h1>$1<h1>',1,1,'m')- 使用多行模式 m，将换行符作为结束符。
- 正则表达式 ^(.*)$ 匹配原文本每一行，并将匹配结果放到一个捕获组中。
- 只替换第一行。
- 添加 html、head、title、body、h1 等标签，其中用 $1 引用捕获组。
2. 添加尾部标签
用如下 regexp_replace 函数添加尾部标签。
regexp_replace(a, '($)',concat('$1',char(10),char(10),'</body>',char(10),'</html>'))- 使用缺省匹配模式（单行、非dotall）。
- 正则表达式 ($) 匹配原文本唯一结尾位置（零宽断言），并将匹配结果放到一个捕获组中。
- 使用 concat 函数在结尾位置添加一个换行符、一个空行、以及 </body> 和 </html>
3. 添加标题标签
诗文分为七个部分，每一部分以一个罗马数字开头。还有一个“ARGUMENT”标题。下面的 regexp_replace 函数捕获标题和罗马数字，并将它们用 <h2> 标签包括起来。
regexp_replace(a, '^(ARGUMENT\\.|((I{1,3}|IV|VI{0,2})\\.))$','<h2>$1</h2>', 1,0,'m')- 使用多行模式 m，将换行符作为结束符，完成多行替换。
- 正则表达式 ^(ARGUMENT\\.|((I{1,3}|IV|VI{0,2})\\.))$ 匹配 ARGUMENT 标题和所有罗马数字的行，并将匹配结果放到一个捕获组中。
- 替换所有匹配项。
- 添加 h2、/h2 标签，其中用 $1 引用捕获组。
4. 添加段落标签
用如下 regexp_replace 函数添加段落标签。
regexp_replace(a, '((?<=<h2>ARGUMENT\\.</h2>\\n).*?(?=\\n<h2>I\\.</h2>)|(?<=<h2>I\\.</h2>\\n).*?(?=\\n</body>))','<p>$1</p>', 1,0,'n')- 在原文中添加两个段落标签，第一段是 ARGUMENT 部分的正文，第二段是整个诗文正文。
- 因为段落中包含换行符，需要使用 dotall 模式 n，使得 . 也匹配换行符 \n。
- (?<=<h2>ARGUMENT\\.</h2>\\n).*?(?=\\n<h2>I\\.</h2>) 使用环视匹配 <h2>ARGUMENT.</h2> 和 <h2>I.</h2> 之间的部分。
- (?<=<h2>I\\.</h2>\\n).*?(?=\\n</body>) 使用环视匹配 <h2>I.</h2> 和 </body> 之间的部分。
- 将匹配结果放到一个捕获组中。
- 替换所有匹配项。
- 给两个段落添加 p、/p 标签，其中用 $1 引用捕获组。
5. 添加换行标签
用如下 regexp_replace 函数标记多行诗文。
regexp_replace(a, '^([ ]{5,7}.*)', '$1<br/>',1,0,'m')- 使用多行模式 m，将换行符作为结束符，完成多行替换。
- 正则表达式 ^([ ]{5,7}.*) 匹配每个开头有5至7个空格的行，并将匹配结果放到一个捕获组中。
- 替换所有匹配项。
- 在每行诗文后添加换行标签 <br/>，其中用 $1 引用捕获组。
6. 添加空行标签
用如下两层嵌套 regexp_replace 函数为空行添加标签。
regexp_replace(regexp_replace(a, '^$', '<br/>',1,0,'m'),'<br/>','',1,1,'m')- 使用多行模式 m 匹配多行。
- 正则表达式 ^$ 匹配空行。
- 内层 regexp_replace 将所有空行替换为 <br/> 标签。
- 外层 regexp_replace 将第一个 <br/> 替换为空，将 h1 和 第一个 h2 之间的 <br/> 再还原成空行。
学习正则表达式 - 用 HTML 标记文本相关推荐
- (正则表达式学习)正则表达式语法
以前一直想好好的系统的学习正则表达式,都没有按照自己的意愿去做.这次一定要很抓一下正则的学习.先把MSDN的正则表达式语法帖出来,方便自己查找.呵呵. 字符 说明 \ 将下一字符标记为特殊字符.文本. ...
- 2016-8-4学习正则表达式
2016-8-4学习正则表达式 编程 正则 第二章 简单的模式匹配 正则表达式唯一的用途就是在文本中匹配和寻找模式 匹配字符串字面值的方法就是使用普通的字符. 第三章 边界 断言标记边界,但是并不耗用 ...
- 正则表达式学习日记_《学习正则表达式》笔记_Mr_Ouyang
正则表达式学习日记_<学习正则表达式>笔记_Mr_Ouyang 所属分类: 正则表达式学习日记 书名: 学习正则表达式 作者: Michael Fitzgerald 译者 ...
- 学习正则表达式入门，这一篇就够了,教学实例代码加解析
普通交流群698307198欢迎加入v群,和各位大神一同交流 免责声明:本博客提供的所有内容仅供学习.分享与交流,我们不保证内容的正确性.通过使用本博客内容随之而来的问题与本博客无关.当使用本博客代码 ...
- bert 无标记文本 调优_使用BERT准确标记主观问答内容
bert 无标记文本 调优 介绍 (Introduction) Kaggle released Q&A understanding competition at the beginning o ...
- java 正则表达式提取html纯文本
本文来自我的个人博客: java 正则表达式提取html纯文本 做内容的大家都知道,从html中直接提取纯文本是一个非常大的问题.现将我做的正则匹配贴上: import java.util.regex ...
- 全网最新正则表达式总结- 简单 便捷 （适用于新手学习正则表达式，老手巩固学习正则表达式）
什么是正则表达式? 正则表达式是一组由字母和符号组成的特殊文本, 它可以用来从文本中找出满足你想要的格式的句子. 一个正则表达式是在一个主体字符串中从左到右匹配字符串时的一种样式. "Reg ...
- 正则表达式实例搜集，通过实例来学习正则表达式
正则表达式实例搜集,通过实例来学习正则表达式.本仓库实例搜集整理来自于<一些正则表达式随记>,通过一个单独仓库专门整理这些正则实例,提供一个实例网站,方便正则实例验证和查询.也方便添加新的 ...
- 正则表达式匹配数字或者短横杠至多三次，数字可以不填写，学习正则表达式
先上正则表达式:^[+-]?[-]?([0-9]*\.?[0-9]*|[0-9]?\.?[0-9]*)?$ 这个表达式主要用来验证数字,如果不想填写数字的情况下可以使用---来进行代替 在实际的生产环 ...
最新文章
- 原创 | 清华开源迁移学习算法库
- （五）Java工具类ArrayUtils详解
- Android 应用开发（19）--- 应用权限最佳实践
- 多目录Makefile(库及分层目录)
- NUC1931 Problem D 区间素数【素数筛选】
- VMware workstaion上传虚拟机到VMware EXSI 5.5
- MongoDB aop 日志
- maxdea如何计算指数_10分钟计算出指数温度，开始基金定投之旅～
- SQL注射技术总结文档
- Java PDF生成方案介绍及问题汇总
- ELK日志处理之Filebeat工作原理
- ubuntu 改屏幕分辨率命令_Ubuntu修改屏幕分辨率
- 13 年的 Bug 调试经验总结（来自蜗牛学院）
- 阿里巴巴国际站产品标题优化技巧
- Scala的安装和环境变量配置
- 黑暗堵神传服务器维护是什么意思,黑暗之光————5月7日维护更新公告
- 一些kaldi常用的术语和命令（一）
- 最新仿猪八戒威客系统源码网整站源码下载
- 【0805作业】继承Thread类创建线程，输出20次数字，“你好”，线程名
- 【JavaSe】String类、StringBuilder、StringBuffer（超详细）