regex - Emacs，使用 replace-regexp-in-string 来匹配两个正则表达式

Question

我正在尝试使用 replace-regexp-in-string 替换字符串的两个部分，但我一次只能让一个部分工作。这是一个示例，我想从字符串的开头删除 # 和空格，从字符串的末尾删除换行符。当我将两个调用组合成一个表达式时，我做错了什么？

;; Test string
(setq inputStr "## Header Stuff
")

;; This doesnt trim the newline
(setq header
      (replace-regexp-in-string "^[#\s]*\\|\n$" "" inputStr) )

;; Each match done separately works though
(setq header
      (replace-regexp-in-string "^[#\s]*" "" inputStr) )
(setq header
      (replace-regexp-in-string "\n$" "" header) )

header
"Header Stuff"

更新:问题似乎出在第一个表达式上，例如，它将换行符和 "S" 替换为 "X"，(replace-正则表达式字符串 "S\\|\n$""X"inputStr).

Answer 1

看起来 replace-regexp-in-string 对匹配空字符串的正则表达式有一些意想不到的行为。以下正则表达式的作用符合您的预期(请注意 + 量词代替了 *):

(let ((input-string "## Header Stuff
"))
  (replace-regexp-in-string "\\`[#\s]+\\|\n*\\'" "" input-string))

原因在于replace-regexp-in-string的内部实现，可以使用M-x find-function查找。在伪代码中，它大致执行以下操作:

给定一个regexp、一个replacement和一个string:

1. 将l设置为字符串的长度，将start设置为0。创建一个名为 matches 的空堆栈来累积新字符串的片段。

2. 只要 start 小于 l 并且 regexp 匹配 string 中的某处，就执行以下内容:

   1. 提取 string 中与正则表达式匹配的部分，并将其命名为 str。

   2. 将 regexp 替换为 replacement，在较短的字符串 str 中(这很重要)

   3. 将新字符串的以下两个片段压入匹配堆栈:

      • string未匹配的初始部分，从start到匹配开始

      • 子字符串 str，其中 regexp 的匹配项现在已替换为 replacement

   4. 将start设置为匹配部分的末尾并重复。

3. 最后，将matches栈中的字符串片段倒序拼接，返回结果。

原始正则表达式的问题发生在循环的第 (3) 步。即使正则表达式正确匹配完整字符串 "## Header stuff\n" 末尾的换行符，当它第二次与单字符字符串匹配时 "\n "，备选方案的第一个分支——匹配一个空字符串——优先于第二个分支，它将空字符串替换为空字符串，无法删除尾随的换行符。

这可以说是 replace-regexp-in-string 中的一个错误，但它也显示了 regexp 语义是多么棘手，尤其是当涉及空字符串时。对我来说，变通解决方案更易于阅读和理解:

(let ((input-string "## Header Stuff
"))
  (setq input-string (replace-regexp-in-string "\\`[#\s]*" "" input-string))
  (setq input-string (replace-regexp-in-string "\n*\\'" "" input-string))
  input-string)

如果您有最新的 Emacs(预测试 24.4 或更高版本)，您还可以使用内置 subr-x 包中的 string-trim-right 函数:

(let ((input-string "## Header Stuff
"))
  (string-trim-right (replace-regexp-in-string "\\`[#\s]*" "" input-string)))

---

顺便说一句，在调查这个问题时，我很惊讶地发现 Emacs 字符串中的 \s 只是空格字符的另一种书写方式。如果你想要正则表达式行为类似于 Perl 的 \s 通配符，你可能想要使用 "\\s-" (匹配任何具有空格语法的字符)，或者 “[[:space:]]”。