Regex für Inlineformatierungen

[Fireball]

Hallo Zusammen,

ich bräuchte bitte eure Hilfe. Ich habe einige Texte die gewissen Inlineformatierungen enthalten die ich gerne im ersten Schritt komplett entfernen wollen würde.

Die Texte können mit einem optionalen \A1; beginnen.

Die Grundformatierung sieht dann so aus:
{\fArial|b0|i0|c0|p34;Irgend ein Text hier}

Eine Verschachtelung ist ebenfalls möglich:
Das ist ein formatierter Text in {\fArial|b0|i1|c0|p34;Kursiv} und {\SansSerif|b1|i1|c0|p33;Fett} der dann normal weitergeht.

Die Formatierung beginnt immer mit einem {\f und geht bis zum Semikolon - der Formatierungsblock wird dann mit der geschweiften Klammer beendet.

Mein bisheriges Pattern hierzu sieht so aus: (\\A1?(\{\\f.+?
Leider habe ichs noch nicht geschafft die hierzu gehörige Schlussklammer zu Matchen.

Danke für eure Hilfe

 

[mihe7]

public class Test {
    public static void main(String[] args) {
        String s = "Das ist {\\A1;\\fArial|b0|i1|c0|p34;Kursiv}, " +
            "das ist formatierter Text in {\\fArial|b0|i1|c0|p34;Kursiv} " +
            "und {\\SansSerif|b1|i1|c0|p33;Fett} der dann normal weitergeht.";

        System.out.println(s);
        System.out.println(s.replaceAll("\\{(\\\\A1;)?\\\\[^;]+;([^\\}]*)\\}", "$2"));
    }
}

 

[Fireball]

@mihe7
Danke schön, jedoch kommt bei mir der eigentliche Text der in der Formatierung ist mit, dieser sollte nicht beachtet werden.
Die Wörter zwischen ; und } sollten nicht gematcht werden -> Kursiv, Kursiv, Fett

 

[mihe7]

Danke schön, jedoch kommt bei mir der eigentliche Text der in der Formatierung ist mit, dieser sollte nicht beachtet werden.
Die Wörter zwischen ; und } sollten nicht gematcht werden -> Kursiv, Kursiv, Fett

Hast Du den Code laufen lassen?

 

[Fireball]

Hab es in einem Regextester gemacht und dort wurde es mir mit angezeigt, jedoch war dort der replace nicht da. Bei der direkten Ausführung hat es funktioniert.
Leider funktioniert das Pattern bei folgendem Fall nicht: Sollte eine Formatierung von Anfang bis Ende durch gehen und zwischen durch unterbrochen werden.

z.B.:

String s = "Das ist {\\A1;\\fArial|b0|i1|c0|p34;Kursiv, "
                + "das ist formatierter Text in {\\fArial|b0|i1|c0|p34;Kursiv} "
                + "und {\\SansSerif|b1|i1|c0|p33;Fett} der dann normal weitergeht.}";

 

[mihe7]

Das ist auch ein völlig anderes Muster, für das IMO ein rekursiver regulärer Ausdruck verwendet werden müsste (beliebige Verschachtelungstiefe), der von Java nicht unterstützt wird und für den mir auch nicht klar ist, wie eine Ersetzung funktionieren würde. Vielleicht weiß hier jemand Bescheid? @httpdigest und @mrBrown würden mir da spontan einfallen.

Je nachdem, was nun das Ergebnis sein soll, könntest Du in abgeschwächter Form einfach den "vorderen" Teil und die schließende Klammer separat ersetzen.

 

[httpdigest]

public class Regex {
  public static void main(String[] args) {
    String s = "Das ist {\\A1;\\fArial|b0|i1|c0|p34;Kursiv, "
             + "das ist formatierter Text in {\\fArial|b0|i1|c0|p34;Kursiv} "
             + "und {\\SansSerif|b1|i1|c0|p33;Fett} der dann normal weitergeht.}";
    String res = s.replaceAll("\\{(\\\\A1;)?[^;]+;|\\}", "");
    System.out.println(res);
  }
}

Hintergrund: Man muss die öffnenden und schließenden "Klammern" nicht matchen, da sie nur entfernt werden müssen. Wenn es eine öffnende ohne eine schließende "Klammer" bzw. auch eine schließende ohne eine öffnende Klammer gäbe, wäre das in der Quellsprache sicherlich sowieso ein Grammatikfehler. Wir brauchen das hier - denke ich - nicht nochmal validieren.
Ich kann mir aber vorstellen, dass es in der Quellsprache eventuelle Escape-Zeichen gibt, damit man auch '}' als valides Zeichen verwenden kann. Das müsste man dann noch erkennen/hinzufügen.

 

[mihe7]

Das ist die separate Ersetzung des vorderen und des hinteren Teils. Ich meinte, ob Du evtl. weißt, ob/wie man sich in rekursiven Regexps auf Gruppen beziehen kann.

 

[Fireball]

Danke euch soweit. Ich habe noch weitere Bespiele gefunden die kommen könnten. Was ich mich jetzt Frage ist ob sich hierzu ein möglichst allgemeines Pattern finden lässt oder ob man einfach alle Fälle einzeln ablaufen sollte um diese dann aus dem Text zu entfernen. Anbei ein paar Beispiele:

{\Kmein Text} - {\K} ist hier die Formatierung
{\L\O\KmeinText Kombination} - {\L\O\K} Formatierungsgruppe, können auch einzeln oder in unterschiedlicher Reihenfolge kommen
\A1;mein Text mit einem Bruch {\H0.7x;\S1/2;} Bruch - \A1; (optional) und {\H0.7x;\S1/2;} ist die Formatierung
{\H0.7x;\Smein Text^;} - {\H0.7x;\S^;} ist die Formatierung
{\H0.7x;\S^mein Text;} - {\H0.7x;\S^;} ist die Formatierung
{\fArial|b1|i1|c0|p34;\H0.7x;\L\O\K\Smein Text^;}
Mein Text \pxi3; - \pxi3; ist die Formatierung
\pxi-2,l3,r2,t2;mein Text - \pxi-2,l3,r2,t2; ist die Formatierung
pxt2,c24,r46; mein Text \ptc4,r16; - pxt2,c24,r46; \ptc4,r16; ist die Formatierung
{\fArial|b0|i0|c0|p34;\C0;mein Text} - {\fArial|b0|i0|c0|p34;\C0;} ist die Formatierung

Eine Verschachtelung ist weiterhin möglich.

 

[Xyz1]

Ich meinte, ob Du evtl. weißt, ob/wie man sich in rekursiven Regexps auf Gruppen beziehen kann

Das was er will wird nich laufen...

 

[mihe7]

Ich habe noch weitere Bespiele gefunden die kommen könnten.

Was ist das für ein Format?

 

[mihe7]

Das was er will wird nich laufen...

Ja, mit den Standard-Java-Regexps kann man das nicht 100 %-ig angeben. In anderen Sprachen gäbe es rekursive Regexps, ich wüsste aber nicht, wie man dort ersetzen sollte.

 

[Fireball]

Was ist das für ein Format?

Das sind Werte die aus einem CAD Programme mit Texten kommen

Ich habe jetzt den Teil der mir schon bekannt ist mit einzelnen Abfragen entfernt. Bei komplexeren Verschachtelungen wird bestimmt noch nicht alles funktionieren aber die aktuellen Ergebnisse sehen schonmal gut aus.