Regex:替换特定单词后的空格

您可以使用此regex实现您想要的结果:

^(.*? (?:VAN|VON|DE)) |((?<!^)\G\w+) 

这与以下任一项匹配:

• ^(.*? (?:VAN|VON|DE)) :行首后的最小字符数,后跟空格,以及 VON , VAN 或 DE ,全部捕获在组1中,然后是一个空格;或
• ((?<!^)\G\w+) :从上次成功匹配的末尾开始的一定数量的单词字符(但不在字符串的开头 \G 通常允许),在第2组中捕获,然后是一个空格

然后可以将匹配项替换为 $1$2- (只有一个 $1 或 $2 将具有任何内容)。

Regex演示 regex101

请注意,正则表达式可以使用 \K 丢弃匹配的前部分,只匹配单词后面的空格:

^.*? (?:VAN|VON|DE)\K |(?<!^)\G\w+\K 

那么替换就是 - 。

Regex演示 regex101

这可以通过 \G 和 \K :

(?:                # Match either
  (?<!\S)          #                      but only if it is not preceded by a whitespace,
  (?:VON|VAN|DE)   # 'VON', 'VAN' or 'DE'
|                  # or
  \G(?!\A)         # the end of the last match
  \S+              # then a sequence of non-whitespace characters.
)                  # 
\K\x20             # Forfeit everything we just match, then match a space.

试试看 on regex101.com 。

由于PCRE2中缺乏对非固定宽度lookbehinds的支持,我们无法执行以下操作,这可以说更容易理解:

(?<=               # Match a position preceded by
  (?:VON|VAN|DE)   # either of the three words
  (?:\x20\S+)*     # then 0 or more (space + word),
)                  # 
\x20               # and a space at that position.

试试看 on regex101.com 。

\G 匹配上一场比赛结束时的位置 或 整个字符串的开头。幸亏 (?!\A) ,只有当我们匹配了第一个备选方案时,后一个备选方案才会匹配: (?<!\S)(?:VON|VAN|DE) 。

视觉解释:

MARC DE VRIES VAN JONG
     ^ Start matching `(?<!\S)(?:VON|VAN|DE)`

MARC DE VRIES VAN JONG
       ^ ...then `\x20`.

MARC DE VRIES VAN JONG
        ^ `(?<!\S)(?:VON|VAN|DE)` doesn't match here; switch to `\S+`

MARC DE VRIES VAN JONG
             ^ `\x20` is matched.

MARC DE VRIES VAN JONG
              ^ Back to step 1.

MARC DE VRIES VAN JONG
                  ^ Back to step 3.

您可以使用以下regex模式来实现所需的结果:

(?<=[VON|VAN|DE]\s)\s

此正则表达式模式将在第一个由空格包围的“VON”、“VAN”或“DE”实例之后用破折号替换所有空格。我希望它能帮助你。

使用Perl:

perl -anE '
    if (/\b(?:VON|VAN|DE)\b/) {
        @a = split /\s+/;
        say $a[0], " ", join "_", @a[1..$#a]
    } else {
        print;
    }
' file

HENRIETTA VON_DER_GRAAF
CAROLINE VAN_OOSTEN_DE_WINKEL
MARC DE_VRIES_VAN_JONG
ANNEKA VANHOVEN BAKKER
JOHN SMITH