java - 在 Clojure 中使用正则表达式和反向引用替换字符串

Question

我正在尝试将 HTML 转换为 Latex，并希望对此进行更改:

<a href="www.foo.com/bar">baz</a> 

进入:

baz\footnote{www.foo.com/bar}

我想生成一个 Clojure 函数来获取一段文本，并替换给定段落中存在的尽可能多的匹配项。

我试过了

(.replaceAll 
    "<a href=\"foo.com\">baz</a>" 
    "<a.*href=\"(.*)\">(.*)</a>" 
    "\2\\footnote{\1}")

但是返回:

"^Bfootnote{^A}"

我还看过 clojure.contrib.str-utils2，它有一个使用正则表达式的替换函数，但它似乎不处理反向引用。我错过了什么吗？以错误的方式解决这个问题？感谢您的帮助。

Answer 1

( You should not parse HTML with a regex... )

两件事:

1. Java 使用$1、$2 来引用捕获组，而不是\1、\2.

2. 您需要在替换文本中使用更多反斜杠。第一级反斜杠由 Clojure 阅读器使用，因为它是一个文字字符串。第二级反斜杠由正则表达式使用。不幸的是，Clojure 没有“原始”字符串文字的通用语法(还没有？)。 Clojure 文字正则表达式语法 #"" 可以为您节省一些反斜杠，但普通字符串没有这种魔力。

所以:

user> (.replaceAll "<a href=\"www.foo.com/bar\">baz</a>"
                   "<a.*href=\"(.*)\">(.*)</a>"
                   "$2\\\\footnote{$1}")
"baz\\footnote{www.foo.com/bar}"

你也可以这样做:

user> (require '(clojure.contrib [str-utils2 :as s]))
nil
user> (s/replace "<a href=\"www.foo.com/bar\">baz</a>"
                 #"<a.*href=\"(.*)\">(.*)</a>"
                 (fn [[_ url txt]]
                     (str txt "\\\\footnote{" url "}")))
"baz\\footnote{www.foo.com/bar}"

"\2" 是一个控制字符(ASCII 字符 2)，这就是它显示为 ^B 的原因。几乎与执行 (char 2) 相同。