HTML轉義 - Reg表達式？

我想HTML自動和邏輯地轉義一個特定的短語，目前是一個單詞用雙引號加亮的語句。在聲明中，報價或英寸標記也可用於描述距離。HTML轉義 - Reg表達式？

這句話可能是：

保羅說：「這錯過我們通過約一英尺。」事實上，只有約9" 。

爲了逃避這句話它真正應該

<pre>Paul said &ldquo;It missed us by about a foot&rdquo;. 
In fact it was only about 9&prime;.</pre>

其中給出

<pre>Paul said 「It missed us by about a foot」. 
    In fact it was only about 9″.</pre>

我想不出一個樣品短語添加在一個「逃避，但也可能在那裏！

我正在尋找一些關於如何識別在運行時替換「字符的轉義值的幫助。這個短語只是一個例子，它可以是任何東西，但應該正確地形成，即開始和結束報價如果我們要正確地轉義文本，將會出現

我會使用正則表達式在文本中找到引用的短語，例如，在完全停止之前找到兩個「」字符，然後替換第一個，然後替換第一個和

&ldquo;

然後

&rdquo;

如果我找到一個「有 "
替換它，除非它是一個號碼後，我與

&Prime;

取代它我將如何處理多個引號句子中？

"It just missed" Paul said "by a foot".

這真是難倒我.....

<pre>"It just missed" Paul said "by 9" almost".</pre>

正確轉義時，以上應閱讀。（我展示的實際字符這段時間）

「It just missed」 Paul said 「by 9″ almost」.

顯然邊緣的情況下，但我不知道是否有可能逃離這個在運行時沒有內容的理解？如果對更明顯的短語不會有所幫助，將不勝感激。

來源

2009-05-05 Dillorscroft

你可以嘗試這樣的事情。首先替換正則表達式的報價：

"((?:[^"\d]+|\d"?)*)"

，比英寸的標誌：

(\d+)"

下面是JavaScript的一個例子：

'"It just missed" Paul said "by 9" almost"'.replace(/"((?:[^"\d]*|\d["']?)+)"/g, "&ldquo;$1&rdquo;").replace(/(\d+)"/g, "$1&Prime;");

來源

2009-05-05 10:48:12 Gumbo

你所描述的是基本上是隱藏馬爾可夫模型，

http://en.wikipedia.org/wiki/Hidden_Markov_model

您有一組輸入符號（您的原始文本和不明確的標點符號）以及一組輸出符號（原始文本和更細粒度的標點符號），但沒有一個好的方式來真正觀察程序中兩者之間的連接辦法。你可以編寫一些規則來涵蓋一些邊緣情況，但這基本上不適用於多引號情況。在這種情況下，出於同樣的原因你不能真正使用正則表達式，但是用一個HMM和一堆訓練文本，你可能會做出一些相當不錯的猜測。

對不起，這可能不是非常有用，如果你試圖做好部署準備工作，但輸入比輸出有更多的含糊不清，所以你唯一的選擇是考慮上下文，這基本上意味着要麼很長一套規則或某種機器學習方法。

雖然有趣的問題 - 看看你能得到什麼樣的表現是很好的。也許有人已經寫了一篇論文呢？

來源

2009-05-05 10:49:25 si28719e

我想知道是否有可能在運行時跳過而沒有瞭解內容？

考慮到您將語義含義添加到當前編碼在其他文本中的標點符號......不，不是。

正則表達式將是最簡單的工具，至少它的一部分。我建議在英寸數字的情況下查找/ \ d +「/，但對於引號分隔符，在查找其他特殊情況或短語後，使用匹配對的算法可能會更容易，例如括號和支架：記號化和計數然後在真實世界的輸入測試和改進

但我真的要問：？爲什麼

來源

2009-05-05 10:49:37 Anonymous

我會分兩次做到這一點：

第一遍搜索對於任何緊接在數字前面並且進行替換的人：

s/([0-9])"/\1″/g

根據您處理的文本，您可能需要/需要擴展此正則表達式以識別拼寫爲單詞的數字;爲了簡單起見，我只檢查數字。

與所有那些照顧，第二遍就可以很容易地轉換對「S爲你所描述：

s/"([^"]*)"/“\1”/g

注意使用[^"]*而非.* - 我們要找到兩組雙引號，它們之間有任意數量的非雙引號字符。通過添加該限制，處理具有多引號段的字符串將不會出現任何問題（也可以使用非引號段-greedy .*?，但一個否定的角色類更清楚地表明你的意圖d，在大多數正則表達式實現中，效率更高）

一個流浪，不匹配的字符串中的某個位置，或者第一遍錯過的英寸標記當然可能會導致問題，但是沒有辦法爲了避免這種可能性而不理解內容。

來源

2009-05-05 10:50:32

+1先做Prime符號。這正確處理了「通過9」幾乎「的情況。 – 2009-05-05 12:20:26

我不確定在沒有理解句子意思的情況下是否可以這樣做。我傾向於懷疑它。

我的第一次嘗試是以下。

由左到右通過串
相間左右雙引號代替雙質數，但隨着雙撇號代替，如果有一個數向左
如果引號是不平衡在字符串的末尾返回，直到找到具有雙素數的數字，並根據前面的雙引號將雙素數更改爲左或右雙引號。

我很肯定你很容易就會失敗這個策略。但它仍然是一個簡單的例子 - 當你必須處理嵌套引號時，艱苦的工作就開始了。

來源

2009-05-05 10:55:35

我知道這是關閉的，但你有沒有考慮過Mechanical Turk？這是人類擅長的問題，而電腦目前在這方面非常糟糕。選擇正確的標點符號需要理解句子的含義，所以正則表達式必然會在邊緣情況下失敗。

來源

2009-05-05 13:15:22

HTML轉義 - Reg表達式？

回答

相關問題