c++ - 正则表达式 - 删除一行（英文）并将其附加到上线的末尾（韩文）

Question

我有如下文字：

아니다
bukan

싫다
tidak suka

훌륭하다
bagus

我正在尝试删除英文行（英文字母）并将其附加到上线（韩文字母）的末尾，如下所示：

아니다bukan

싫다tidak suka

훌륭하다bagus

现在，终于找到了几乎接近的正则表达式，就是这样：

[가-힣]\R

但是，它使文本文件如下所示：

아니bukan

싫tidak suka

훌륭하bagus

问题是也删除了韩语的一个词。

我怎么解决这个问题？

标签： c++regextext

Answer 1

C++std::regex不支持 Unicode 属性类\p{Hangul}，但您可以使用等价的字符类[\u1100-\u11FF\u302E\u302F\u3131-\u318E\u3200-\u321E\u3260-\u327E\uA960-\uA97C\uAC00-\uD7A3\uD7B0-\uD7C6\uD7CB-\uD7FB\uFFA0-\uFFBE\uFFC2-\uFFC7\uFFCA-\uFFCF\uFFD2-\uFFD7\uFFDA-\uFFDC]，请参阅此参考。

此外，\R也不支持。您可能只是\r?\n用来匹配 Windows/Linux 样式的行尾，或者(?:\r\n?|\n)也支持 MacOS 行尾。

接下来，如果你匹配并消费了一个韩文字符，在替换时，你需要将它捕获到一个捕获组中，并在替换模式中使用对该组的反向引用。

所以，你可以使用

([\u1100-\u11FF\u302E\u302F\u3131-\u318E\u3200-\u321E\u3260-\u327E\uA960-\uA97C\uAC00-\uD7A3\uD7B0-\uD7C6\uD7CB-\uD7FB\uFFA0-\uFFBE\uFFC2-\uFFC7\uFFCA-\uFFCF\uFFD2-\uFFD7\uFFDA-\uFFDC])(?:\r\n?|\n)

替换$1为将韩语字符放回结果字符串中。

在线查看正则表达式演示。