使用正则表达式删除嵌套的 LaTeX 标签

Question

如何使用正则表达式（例如sed）删除\index任何标签内出现的所有标签\index？

例如像这样的嵌套混乱：

\index{Test\index{test\index{test}}ing One\index{one} Two\index{two} Three\index{three}}

会变成

\index{Testing One Two Three}

谢谢

Answer 1

你可以使用循环。下面的代码会删除\index{foo}前面有单词边界的部分。

sed -r ':a;s/\b\\index\{[^{}]+}//;ta' inputfile

对于给定的样本，它会产生：

\index{Testing One Two Three}

diff但是，请注意不要使用正则表达式来解析和操作此类嵌套模式。如果这样做，请确保在更改前后观察输入。

---

编辑：解释：

先看替换命令：

s/\b\\index\{[^{}]+}//g

• \b\w匹配单词字符和非单词字符之间的边界\W。
• \\index\{火柴\index{
• [^{}]+}匹配一个或多个不}跟在后面的}

:a是一个标签。 如果替换成功，则ta分支到标签。a

因此，可以通过删除index{}字符串中最里面的部分来实现，例如

\index{Test\index{test\index{test}}ing One\index{one} Two\index{two} Three\index{three}}

将转换为：

\index{Test\index{test}ing One\index{one} Two\index{two} Three\index{three}}

依此类推，直到替换失败。

Answer 2

无论 \index 位于何处，以下内容均有效，

 sed -e 's/\\index{\([^]]*\)}/\\index{}/g' inputfile

除了...只要打开和关闭括号位于在同一条线上。sed确实有许多选项（P、N、D）用于处理在多行上完成的模式，但它们通过连接两行来工作。由于括号的 {} 模式可能在 3、4、..、n、... 行中结束，因此这需要一些编程。

或者，如果您满意只是定位匹配模式（IE，而不是替换它们），你可以使用：

pcregrep -M '\{(\s*.*\s*)*\}' test.txt

其中-M选项用于允许多行模式。这将找到零个或多个 (空格后跟 .* 再跟空格)，前提是这些都被花括号括起来。