正则表达式以匹配不同的单词以及减号后的所有内容

Question

我有几种鼻塞线的变体，我需要弄清楚它的中间部分。 幸运的是，该模式只有几个变体，但我无法使其适用于所有变体。

1 INT. HIGH SCHOOL - DAY 1
EXT. HOUSE - NIGHT
2A INT. HOSPITAL - NIGHT 2A
3. EXT. AIRPORT - DAY 3.
4B. INT. MALL - NIGHT 4B.

我想要实现的是使字符串从INT或EXT一直到最后一个单词，不包括数字/字母或点组合。 我想要这个：

INT. HIGH SCHOOL - DAY 
EXT. HOUSE - NIGHT
INT. HOSPITAL - NIGHT
EXT. AIRPORT - DAY
INT. MALL - NIGHT   

正则表达式中有没有一种干净的方法

我得到的最好的是使用此：

@"(?:INT|EXT:).*$")

不幸的是，它仅返回从INT开始直到结尾的字符串，但不适用于EXT，也不会删除结尾的数字/字母或点。

Answer 1

您不需要使用Regex-一种有效的linq解决方案：

var str = "1 INT.HIGH SCHOOL -DAY 1";
var newStr = String.Join(" ",str.Split().Where(s => !s.Any(c => Char.IsDigit(c)))).Trim();
Console.WriteLine(newStr);  // INT.HIGH SCHOOL -DAY

Answer 2

你可以试试这个：

((?:INT|EXT).*?)\s*\S*$

• (?:INT|EXT) ：匹配INT或EXT
• .*? ：匹配一切
• \\s*\\S*$ ：匹配行的最后一个字符（但是不包含在de匹配部分内）

例

Answer 3

这可以正常工作并提供您所需的结果：

@".*((?:INT. |EXT. )[A-Za-z\\. \\-]+).*$"

使用方法如下：

var vMatch = Regex.Match("1 INT. HIGH SCHOOL - DAY 1", @".*((?:INT. |EXT. )[A-Za-z\. \-]+).*$");
var extracted = vMatch.Groups[1].Value.Trim();

extracted包含INT. HIGH SCHOOL - DAY INT. HIGH SCHOOL - DAY根据要求的天数

Answer 4

https://regex101.com/r/zC8mG5/9

replace: (\d\w?\.? ?)(.*)\1
     to: \2

这适合你吗？

Answer 5

这是一种非正则表达式方法，可以按预期工作：

 string[] prefixes = { "INT", "EXT" };
 for (int i = 0; i < list.Count; i++)
 {
    string oldS = list[i].Trim();
    int indexOflastSpace = oldS.LastIndexOf(' ');
    int endIndex = oldS.Length - 1;
    if(indexOflastSpace >= 0)
    {
        string rest = oldS.Substring(indexOflastSpace).TrimStart();
        // starts the last token with a digit?
        if(char.IsDigit(rest[0]))
            endIndex = indexOflastSpace;
    }
    int start = 0;
    int indexOfAnyPrefix = prefixes
        .Select(p => oldS.IndexOf(p, StringComparison.InvariantCultureIgnoreCase))
        .Where(index => index >= 0)
        .DefaultIfEmpty(-1)
        .First();
    if(indexOfAnyPrefix > 0)
        start = indexOfAnyPrefix;
    string newS = oldS.Substring(start, endIndex - start);
    list[i] = newS;
}

Answer 6

Regex和Linq的替代方法（ 在线尝试 ）：

string s = @"1 INT. HIGH SCHOOL - DAY 1
EXT. HOUSE - NIGHT
2A INT. HOSPITAL - NIGHT 2A
3. EXT. AIRPORT - DAY 3.
4B. INT. MALL - NIGHT 4B.";

const string startWithNum = @"^\d";
foreach (var line in s.Split('\r', '\n').Select(item => new List<string>(item.Split(' '))))
{
    if (Regex.IsMatch(line[0], startWithNum))
        line.RemoveAt(0);
    if (Regex.IsMatch(line[line.Count - 1], startWithNum))
        line.RemoveAt(line.Count - 1);
    Console.WriteLine(String.Join(" ", line));
}

输出：

INT. HIGH SCHOOL - DAY
EXT. HOUSE - NIGHT
INT. HOSPITAL - NIGHT
EXT. AIRPORT - DAY
INT. MALL - NIGHT

Answer 7

这就是我的方法。 我喜欢使用IgnorePatternWhitespace选项来提高表达式的可读性。

我将数据显示为一个块，但是如果逐行处理它也可以使用。

var text = "1 INT. HIGH SCHOOL - DAY 1" + Environment.NewLine;
text += "EXT. HOUSE - NIGHT" + Environment.NewLine;
text += "INT. HOSPITAL - NIGHT 2A" + Environment.NewLine;
text += "3. EXT. AIRPORT - DAY 3." + Environment.NewLine;
text += "4B. INT. MALL - NIGHT 4B." + Environment.NewLine;

var options = RegexOptions.IgnoreCase | RegexOptions.Multiline | RegexOptions.IgnorePatternWhitespace;
var regex = new Regex("^ .*? (?<slug> (?:INT|EXT)\\. .*?) (?:\\s+?\\d.*?)? $", options );

var matches = regex.Matches( text );

foreach( Match m in matches ){
    Console.WriteLine( "|" + m.Groups["slug"].Value + "|" );
}

产生：

|INT. HIGH SCHOOL - DAY|
|EXT. HOUSE - NIGHT |
|INT. HOSPITAL - NIGHT|
|EXT. AIRPORT - DAY|
|INT. MALL - NIGHT|