使用GREP / Regex将URL扩展名中的下划线替换为破折号

Question

我使用BBEdit。BBEdit支持使用GREP进行多文件搜索和替换。使用以下方法（从stackoverflow中的Notepad ++帖子复制）：

(\bhref="|(?!^)\G)[^"<_]*\K_

我可以获取所有包含下划线的URL列表。想法是将所有下划线替换为破折号。这没有问题，BBEdit搜索面板有一个“替换为”字段（就像Notepad ++）。

一切都很好，但我不想实际处理所有URL。例如，应该保留文件下载URL，特别是具有.exe、.zip、.sit和.dmg扩展名的URL。实际上，我想要处理的URL是.php和.html URL。

我的意思是应该在这里找到这种类型的URL：

<a href="software/internet-tools/ftp-disk_sheet_us.php">

但不包括下面这个：

<a href="software/internet-tools/ftp-disk_us_setup.exe">

我已经尝试过编辑上面的正则表达式，但迄今为止没有成功，由于我需要在600个文件中处理大约30,000个URL，因此我真的希望确保我不会出错。

非常感谢您提前帮助我解决这个问题。

- Stan Busk

---

请编辑您的帖子并向我们展示您想要处理/匹配的URL以及您想要保持不变的文本。 - Corion

Answer 1

你只能在链接以 .html/.htm 或 .php 结尾时强制匹配：

(?:\G(?!^)|\bhref="(?=[^"]*\.(?:html?|php)"))[^"<_]*\K_
                   ^^^^^^^^^^^^^^^^^^^^^^^^^

请看正则表达式演示。 (?=[^"]*\.(?:html?|php)") 正向前瞻会要求在 href=" 后立即出现任何0+个不是 " 的字符，然后是一个点，接着是 htm/html 或者 php，否则将找不到匹配项。 详情

• (?:\G(?!^)|\bhref="(?=[^"]*\.(?:html?|php)")) - 上一个匹配的结束(\G(?!^))或(|)
  • \bhref=" - 一个完整的单词 href 后面跟着 ="
  • (?=[^"]*\.(?:html?|php)") - 一个正向前瞻需要以下模式序列立刻匹配到右边:
    • [^"]* - 0+个非 " 的字符
    • \. - 一个点
    • (?:html?|php) - 一个不捕获的组，匹配 htm 后跟一个可选的 l 或者 php
    • " - 一个双引号
• [^"<_]* - 任意0+个非 ", < 和 _ 的字符
• \K - 匹配重置操作符，抛弃到现在为止匹配的所有文本
• _ - 一个下划线。

- Wiktor Stribiżew

---

我可以确认这个表达式完美地工作了。我在600个文件中处理了大约28,000次出现。 - Stan Busk