正则表达式 - 当连续出现多个空格字符时删除空格字符，但排除所有注释掉的行

Question

假设我有如下几行：

01090   C   -------CALCULATION OF SOMETHING--
01100   "SOME.VARIABLE"   =  "SOME.OTHER.VARIABLE" + 2
01110   IF("SOME.VARIABLE" .NE.  "SOME.VALUE")  THEN   ON("SOME.MACHINE")

我想遍历该程序并删除所有连续有多个空格字符。例如，第 01100 行“=”之前有三 (3) 个空格字符，后面有两 (2) 个空格字符。在第 01110 行中，有多个不同位置具有超过 1 个连续空格字符。 我想用一个空格字符替换它们。我不想删除/更改注释行 01090 中包含的空格。

所有行都以 5 位数字开头，所有行在行号后面都有一个制表符，并且只有注释行才有“C”或“c”这表示它们已被注释掉。

我正在使用 Sublime3 和 boost 正则表达式。我尝试过类似的事情：

(?!\t[Cc] )[ ]{2,}
(?!\t[Cc])[ ]{2,}

我似乎无法确定如何在不捕获整行的情况下否定整行。

我也尝试在开头添加插入符号，但这似乎没有帮助。

基本上，如果该行有一个“TAB”后跟一个“c”或“C”，则忽略整个内容。否则，将定位任意两个或多个连续的空格字符并将其替换为单个空格字符。

编辑

--------- 解决方案 ---------

感谢 Wiktor 和第四只鸟的输入，我能够确定解决方案。非常感谢两人。这就是我最终得到的结果：

^\d+\t[cC].*\K|[ ]{2,}

我还确定，如果行尾有多余的空格，我可能也想忽略它们，这样我就可以使用不同的正则表达式搜索完全删除它们。最终的产品是这样的：

^\d+\t[cC].*\K|[ ]*\n\K|[ ]{2,}

如果我没有受到boost或者PCRE引擎的限制，我相信我之前的一次失败的尝试实际上是可行的。如果它对其他人有帮助，我会将其包含在这里。它不能在 boost 或 PCRE 中使用，因为它们不支持无限向后查找：

(?<!\t[cC].*)[ ]{2,}

Answer 1

您必须在正则表达式中添加否定前瞻和否定后视。尝试这样的事情。

(?<![Cc])\s{3,}(?![Cc])

Answer 2

我认为您可能实际上正在准备解析这种语言。解析器使用正则表达式通常并不方便。

另外，您没有询问，但在这种情况下，转换可能就地（因为输出比输入短或长度相等）。

我建议像这样的 PEG 语法（使用 Boost Spirit）：

template <typename In, typename Out>
Out compress_whitespace(In f, In l, Out out) {
    auto copy = [&out](auto& ctx) {
        struct Append {
            static void call(Out& out, char ch) { *out++ = ch; }
            static void call(Out& out, boost::iterator_range<In> raw) {
                for (auto ch : raw) *out++ = ch; }
        };

        Append::call(out, _attr(ctx));
    };

    using namespace boost::spirit::x3;
    auto prefix  = raw[uint_ >> "   "][copy];
    auto comment = raw["C " >> *(char_ - eol)][copy];
    auto code_ch = omit[+blank] >> attr(' ')[copy] | (char_ - eol)[copy];
    auto line    = prefix >> (comment | *code_ch);
    auto newline = raw[eol][copy];

    parse(f, l, -line % newline);
    return out;
}

禁止空行：

    parse(f, l, line % newline);

要抛出不完整/无效的输入，请更改 parse 行：

    parse(f, l, expect[line % newline >> *newline >> eoi]);

现场演示

int main(int argc, char** argv)
{
    std::ostreambuf_iterator out(std::cout);

    for (std::string file : std::vector(argv+1, argv+argc)) {
        std::ifstream s(file, std::ios::binary);
        std::string const program(std::istreambuf_iterator<char>{s}, {});

        compress_whitespace(begin(program), end(program), out);
    }
}

使用 vim -d input.txt 输出<(./sotest input.txt):

奖励：就地处理

由于我们知道输出的长度将相同或更短，因此您可以负担就地处理：

    std::string program = R"~(
01090   C   -------CALCULATION OF SOMETHING--
01100   "SOME.VARIABLE"   =  "SOME.OTHER.VARIABLE" + 2
01110   IF("SOME.VARIABLE" .NE.  "SOME.VALUE")  THEN   ON("SOME.MACHINE"))~";

    auto b = begin(program), e = end(program),
         new_e = compress_whitespace(b, e, b);

    std::cout << "Shorter by " << (e - new_e) << " chars\n";
    program.erase(new_e, e);

    std::cout << program << "\n";

查看它 <强>Live On Coliru，打印：

Shorter by 7 chars

01090   C   -------CALCULATION OF SOMETHING--
01100   "SOME.VARIABLE" = "SOME.OTHER.VARIABLE" + 2
01110   IF("SOME.VARIABLE" .NE. "SOME.VALUE") THEN ON("SOME.MACHINE")

Answer 3

您可以使用

^\d{5}\t[cC] .*$(*SKIP)(*FAIL)|\h{2,}

• ^ 字符串开头
• \d{5}\t 匹配 5 位数字和制表符
• [cC] 匹配 c 或 C 和空格
• .*$ 匹配该行的其余部分
• (*SKIP)(*FAIL) 跳过匹配
• <代码>| 或者
• \h{2,} 匹配 2 个或更多水平空白字符

在替换中使用单个空格。

Regex demo

正如OP所解决的，使用\K 并匹配 2 个或多个空格：

^\d+\tC.*\K|[ ]{2,} 

• ^ 字符串开头
• \d+ 匹配 1 个或多个数字
• \tC 匹配制表符和C char
• .*\K 匹配该行的其余部分并清除匹配缓冲区
• | 或
• [ ]{2,}< /code> 匹配 2 个或更多空格（方括号仅用于可见性，并非必需）

正则表达式演示