Vim 正则表达式：覆盖反向引用？

Question

项目：

获取维基百科上的罗马执政官列表，将数据放入 CSV 中，这样我就可以制作一个图表，展示各个氏族在执政方面的兴衰情况

示例数据源：

509,L. Iunius Brutus,L. Tarquinius Collatinus
suff.,Sp. Lucretius Tricipitinus,P. Valerius Poplicola
suff.,M. Horatius Pulvillus,
508,P. Valerius Poplicola II,T. Lucretius Tricipitinus
507,P. Valerius Poplicola III,M. Horatius Pulvillus II

Vim 搜索：

/\v(\d+|suff\.),((\w+\.=) (\w+)(\s\w+)=(\s\w+)=(\s[iv]+)=(\s\(.{-}\))=,=){,2}

所以本质上是：

1. 找到开头的年份（或 suffect consul 的指示）： (\d+|suff\.)
2. 下一个分组（我们称之为外部组）最多需要找到两次： (outer group){,2}
3. 对于这两个外部组中的每一个，查找：
   1. Praenomen，带有可选句点（有时不存在）：(\w+.=)
   2. 名称：(\w+)
   3. 可选的别名（包括空格，如下所示）：(\s\w+)=
   4. 可选 agnomen：(\s\w+)=
   5. 可选迭代（表示他第n次担任执政官）。数据源迭代次数不超过 8 次（因此 I 和 V 就足够了）：(\s[iv]+)=
   6. 可选的解释性注释，如“Sicinius (Sabinus?)”：(\s\(.{-}\))=

（最后一个逗号是可选的，因为它是行的末尾。）

所以后面的引用结果是：

\1: year or suffect
\2: the entire second outer group
\3: Praenomen of second outer group (same with all below)
\4: Nomen
\5: Cognomen
\6: Agnomen
\7: Iteration
\8: Explanatory note

问题是我不知道如何捕获第一个外部 团体。就像当它看到第二个外部组时 \2 和 \3-\8 引用被覆盖一样。

使用此替换：

:%s//1:{\1}^I2:{\2}^I3:{\3}^I4:{\4}^I5:{\5}^I6:{\6}^I7:{\7}^I8:{\8}^I9:{\9} 

我得到以下输出：

1:{509} 2:{L. Tarquinius Collatinus}    3:{L.}  4:{Tarquinius}  5:{ Collatinus} 6:{}    7:{}    8:{}    9:{}
1:{suff.}   2:{P. Valerius Poplicola}   3:{P.}  4:{Valerius}    5:{ Poplicola}  6:{}    7:{}    8:{}    9:{}
1:{suff.}   2:{M. Horatius Pulvillus,}  3:{M.}  4:{Horatius}    5:{ Pulvillus}  6:{}    7:{}    8:{}    9:{}
1:{508} 2:{T. Lucretius Tricipitinus}   3:{T.}  4:{Lucretius}   5:{ Tricipitinus}   6:{ II} 7:{}    8:{}    9:{}
1:{507} 2:{M. Horatius Pulvillus II}    3:{M.}  4:{Horatius}    5:{ Pulvillus}  6:{ II} 7:{}    8:{}    9:{}

我无法访问第一个外部组中的这些组。我认为它们被覆盖了：它们被覆盖了吗？如果是这样，有办法解决这个问题吗？

编辑： 原标题 Vim 正则表达式（或任何兼容的正则表达式）：如果迭代外部组，如何引用组（组内）？

Answer 1

我会将其分解为多个子步骤，使用 vim 函数，而不是用正常（双关语）方式进行操作：

/\v(.{-}),(.{-}),(.*)

看看我做了什么？使事情变得更简单和更清晰

编辑 稍微不那么懒惰，让我们定义一个辅助函数来分割成至少 3 个子字符串并制表符分隔它们：

function! Consul(s)        
    return join((split(a:s) + ["","",""])[0:2], "\t")
endf

现在将替换减少到 (仅用于 SO 的换行符< /em>）

%s/\v(.{-}),(.{-}),(.*)/\=join(
  [submatch(1), Consul(submatch(2)), Consul(submatch(3))], "\t")/g

在您的输入上运行这种美丽的效果

509 L.  Iunius  Brutus  L.  Tarquinius  Collatinus
suff.   Sp. Lucretius   Tricipitinus    P.  Valerius    Poplicola
suff.   M.  Horatius    Pulvillus           
508 P.  Valerius    Poplicola   T.  Lucretius   Tricipitinus
507 P.  Valerius    Poplicola   M.  Horatius    Pulvillus

我很确定这将是一个非常简单的步骤，可以根据您的喜好进一步装饰现在整齐的制表符分隔的列。我可能会添加它，但现在，这是我能想到的最简单的事情：

:%s/\v(.{-})\t(.{-})\t(.{-})\t(.{-})\t(.{-})\t(.{-})\t(.{-})$/1:{\1}\t2:{\2}\t3:{\3}\t4:{\4}\t5:{\5}\t6:{\6}\t7:{\7}/g

结果：

1:{509} 2:{L.}  3:{Iunius}  4:{Brutus}  5:{L.}  6:{Tarquinius}  7:{Collatinus}
1:{suff.}   2:{Sp.} 3:{Lucretius}   4:{Tricipitinus}    5:{P.}  6:{Valerius}    7:{Poplicola}
1:{suff.}   2:{M.}  3:{Horatius}    4:{Pulvillus}   5:{}    6:{}    7:{}
1:{508} 2:{P.}  3:{Valerius}    4:{Poplicola}   5:{T.}  6:{Lucretius}   7:{Tricipitinus}
1:{507} 2:{P.}  3:{Valerius}    4:{Poplicola}   5:{M.}  6:{Horatius}    7:{Pulvillus}

Answer 2

是的，重复中的捕获组会被覆盖为最新的匹配值。根据链接页面底部附近的重复和反向引用部分：

正则表达式引擎不会永久替换正则表达式中的反向引用。每次需要使用时，它将使用保存到反向引用中的最后一个匹配项。如果通过捕获括号找到新的匹配项，则之前保存的匹配项将被覆盖。

您必须明确写出一定数量的捕获组。

我对 vim 的正则表达式引擎不是特别熟悉，所以这里是一个简单的例子。
假设您的文本是 abc 12 345 6789 xyz。

# with repetition
/^\w+( \d+){1,3} \w+$/

# yields:
# 0: abc 12 345 6789 xyz
# 1:  6789

# -----
# writing out each subpattern
/^\w+( \d+)( \d+)?( \d+)? \w+$/

# yields:
# 0: abc 12 345 6789 xyz
# 1:  12
# 2:  345
# 3:  6789

请注意，重复范围为 {1,3}，我将第二个和第三个 (\d+) 设为可选，并使用 ?。