使用Java Script清理字符串

Question

我有一个小的Node脚本，用于网络爬虫一个网页。从该页面中，我提取了一个字符串数组。

我正在尝试清理这些字符串（目前使用正则表达式和string.replace）。

一个示例字符串看起来像这样：

2  Glücklich sind die,die seine Erinnerungen beachten,+die mit ganzem Herzen nach ihm suchen.+\n

我的清理代码如下所示。

string.replace(/\+/g, '').replace(/\*/g, '').replace('\n', '').replace(/(^\d+)/g, '').trim()

第一部分删除所有的"+", 第二部分删除所有的"*", 第三部分删除换行符, 最后一部分删除前导数字。

大部分工作良好，但我有一些边缘情况。这是我的结果：

2 Glücklich sind die,die seine Erinnerungen beachten,die mit ganzem Herzen nach ihm suchen.

问题：

1. 领先数字未被删除（当数字有两位或更多位时，它总是被删除，我不知道为什么一个数字保持不变）。 2. 第一个"*"被删除了，但因为没有空格，所以没有空格了。第二个"*"后面跟着一个空格...所以没有问题。 3. "+"也是同样的问题...没有空格跟随，所以单词粘在一起。

我的目标是正确解析每个字符串。我有成千上万个具有不同组合的字符串，但只有"+", "*", "\n"和数字作为特殊字符。

字符串应该像这样：

Glücklich sind die, die seine Erinnerungen beachten, die mit ganzem Herzen nach ihm suchen。

希望有人有想法来实现这一点。

- Cornelius

---

^\d+ 模式应该替换单个数字...有可能有前导空格吗？ 也许先尝试做 .trim()？此外，如果您知道 +/* 替换后应始终有空格，可以这样做：.replace(/\s*(\+|\*)\s*/g, ' ')。这样任何现有的空格都将随着 */+ 被移除，然后全部用一个空格替换。 - David784

哇，太棒了。将修剪放在最前面解决了数字替换的问题。也许像你说的那样有空格。而且没有分号；（一个“+”并不总是后跟空格；（。 - Cornelius

Answer 1

您可以使用字符类[+*\n]的交替符|来匹配字符串开头的任意一个字符或1个或多个数字^\d+。

[+*\n]|^\d+

正则表达式演示

在替换中使用一个空格。然后，将所有2个或更多空格替换为单个空格。

let pattern = /[+*\n]|^\d+/g;
let string = "2  Glücklich sind die,*die seine Erinnerungen* beachten,+die mit ganzem Herzen nach ihm suchen.+\n";
string = string
  .replace(pattern, " ")
  .replace(/[ ]{2,}/g, " ")
  .trim();

console.log(string);

如果字符串开头的数字可以由可选的空格字符前缀，您也可以通过匹配0+个除换行符以外的空格字符来匹配这些字符 ^[^\S\r\n]*\d+。

let pattern = /[+*\n]|^[^\S\r\n]*\d+/g;
let string = "  2  Glücklich sind die,*die seine Erinnerungen* beachten,+die mit ganzem Herzen nach ihm suchen.+\n";
string = string
  .replace(pattern, " ")
  .replace(/[ ]{2,}/g, " ")
  .trim();

console.log(string);

- The fourth bird

Answer 2

你可以通过一个相对简短的正则表达式和一次调用 String.prototype.replace 来实现所有目标：

let cleanStr = str => str.replace(/^[0-9\s]*|[+*\r\n]/g, '');

console.log(cleanStr('2  Glücklich sind die,die seine Erinnerungen beachten,+die mit ganzem Herzen nach ihm suchen.+\n'));

这个正则表达式可以检测到^[0-9\s]*或[+*\r\n]，并将这些序列替换为空字符串。 ^[0-9\s]*会将字符串开头的任意数量的连续数字或空格字符替换掉。 ^[+*\r\n]会删除字符串中出现的任何"+"、"*"或换行符（包括在Windows环境中可能有意义的\r）。

- Gershom Maes

---

是的，替换是有效的，但是使用您的解决方案后，逗号后面的空格丢失了。 - Cornelius

输入缺少空格。 - Gershom Maes

哦，这个位置的字符是 * 但是Markdown编辑器已经相应地格式化了文本... - Cornelius

Answer 3

也许是这个？

let str = `2  Glücklich sind die,*die seine Erinnerungen* beachten,+die mit ganzem Herzen nach ihm suchen.+\n`

str = str.replace(/[\*\+]/g," ")
         .replace(/^\d+(\s+)?/,"") // or add .trim()
         .replace(/\n?/,"")
         .replace(/\s{2,}/g," ")
console.log(str)

- mplungjan