系列【正则表达式】——保留需要的词语，只替换句式

2026年10月28日

时隔一段时间，正则表达式系列迎来了第四篇。

在上一篇《系列【正则表达式】——把搜索到的内容重新排列后再替换》中，我们介绍了如何用括号捕获日期中的年、月、日，再通过 $1、$2、$3 改变它们的顺序。

这一次，我们把同样的方法用到英文句式的调整中。

哪些内容需要替换，哪些需要保留？

假设一份英文技术文档中出现了以下表达：

替换前	替换后
the portion where an electrode is provided	the portion on which an electrode is provided
the part where a terminal is provided	the part on which a terminal is provided
the section where the sensor is provided	the section on which the sensor is provided
the surface where a wiring layer is provided	the surface on which a wiring layer is provided
the substrate where a thin insulating wiring layer is provided	the substrate on which a thin insulating wiring layer is provided

这些表达有一个共同的句式：

the ［表示位置或部位的词］ where ［冠词］ ［部件名称］ is provided

但where 前面的词可能是 portion、part、section 或 surface，where 后面也可能是 an electrode、a terminal、the sensor 或 a wiring layer。冠词有 a、an、the 三种，部件名称也可能由多个单词组成。

我们的目标只是把 where 改为 on which，位置、部件名称以及冠词都保持不变。也就是说，即使 where 前后的词语各不相同，我们也要找出相同的句式，只替换需要修改的部分。

需要先说明一点：where 与 on which 并不是在任何语境下都可以互换。只有当上下文能够确认部件位于某一表面之上等符合介词 on 所表达的位置关系时，这样的替换才合适。下面假定这些例子的技术含义已经核实。

为什么不直接搜索 where？

如果直接把文档中所有的 where 都替换掉，就可能误改其他用法。我们真正需要查找的，是上面这种 the ... where ... is provided 结构。

因此，搜索条件需要包含前后的内容。但也不能把 part、terminal 这样的词固定下来，否则其他变体就匹配不到了。

这正是上一篇介绍的捕获组发挥作用的地方：在搜索时匹配可能变化的词语，在替换时再把原来的内容放回去。

用 \S 匹配非空白字符

上一篇用 \d 匹配单个数字。这一次，我们使用 \S 来匹配单词所在的位置。

\S 表示匹配一个非空白字符。加上表示“一次或多次”的 +，就得到：

\S+

这样就可以把 portion、part、section、electrode、terminal 等中间没有空白的字符串作为一个整体进行匹配。

用括号捕获要保留的词语

先来看第一个例子：the portion where an electrode is provided。

查找

the (\S+) where an (\S+) is provided

替换

the $1 on which an $2 is provided

括号中匹配到的内容，可以在替换时再次引用。

虽然搜索表达式中也包含 the、where、an 和 is provided，但这些部分没有用括号捕获。替换时，我们将 where 改为 on which，再通过 $1 和 $2 放回原来的 portion 和 electrode。

只要是中间不含空白的一个字符串，即使把 portion 换成 part 或 section，也能用同样的方法捕获。不过，此时的冠词仍然固定为 an。

用 | 同时匹配 a、an 和 the

接下来处理冠词的变化。如果希望 an electrode、a terminal 和 the sensor 都能匹配，可以使用竖线 |。

(a|an|the)

它表示“a、an 或 the 中的任意一个”。由于外面有括号，实际匹配到的冠词也能在替换时保留下来。

查找

the (\S+) where (a|an|the) (\S+) is provided

替换

the $1 on which $2 $3 is provided

现在有三个捕获组，因此可以取回三个部分。

捕获组	捕获的内容	以 the section where the sensor is provided 为例
$1	where 前面的词	section
$2	冠词（a、an、the）	the
$3	冠词后面的词	sensor

按照捕获组编号，将括号中的内容放回替换后的句子，原来的冠词和部件名称就能保留。

开头列出的 an electrode、a terminal、the sensor 都能通过这个表达式找到。我们并没有在替换表达式中重新指定冠词，而是用 $2 放回原文中的冠词，因此 a、an、the 的区别得以保留。

处理多词名称：[^…] 与 +?

到目前为止，\S+ 遇到空白就会停止，因此无法一次捕获下面这些例子中的完整部件名称：

the surface where a wiring layer is provided

the substrate where a thin insulating wiring layer is provided

怎样才能允许部件名称包含空格，同时避免匹配范围延伸到下一句话呢？

不排除空格，而是排除标点和换行

如果在方括号开头写上 ^，表示匹配方括号中列出的字符以外的字符。例如：

[^\s.,;:!?]+

这里排除了表示空白字符的 \s，以及列出的标点。因此，这个写法仍然无法一次捕获包含空格的 wiring layer。

所以，在本例用于匹配部件名称的部分，我们选择允许空格，但排除标点和换行符：

[^.,;:!?\r\n]+

这里排除了句号、逗号、分号、冒号、感叹号、问号，以及换行字符 \r、\n。普通半角空格仍然允许出现，所以 wiring layer 和 thin insulating wiring layer 都可以匹配。

注意，这里的 ^ 位于方括号开头，表示排除指定字符；它与用于表示字符串开头的 ^ 不是同一种用法。

用 +? 在第一个 is provided 处停止

不过，允许空格以后又会出现一个问题：如果同一句中多次出现 is provided，具有贪婪特性的 + 可能匹配过长的内容。这时可以将它改成 +?：

[^.,;:!?\r\n]+?

+? 仍表示“一次或多次”，但会优先尝试尽可能短的匹配。当后面接着 is provided 时，正则表达式就可以在第一个满足整体条件的位置完成匹配。前面排除的标点和换行仍然是匹配边界。

整理后，搜索表达式如下：

查找

the ([^\s.,;:!?]+) where (a|an|the) ([^.,;:!?\r\n]+?) is provided

替换

the $1 on which $2 $3 is provided

对于 the surface where a wiring layer is provided，$3 是 wiring layer；对于 the substrate where a thin insulating wiring layer is provided，$3 是 thin insulating wiring layer。这样就不必把部件名称限制为一个或两个单词了。

即使采用非贪婪匹配，也要检查结果

下面这句话中，第一个 is provided 已经满足整体条件，因此 $3 只捕获 wiring layer：

the surface where a wiring layer is provided and a protective film is provided

在下面的例子中，匹配也不会越过句号延伸到下一句：

the surface where a wiring layer is formed. A protective film is provided

但下面这句话需要注意：

the surface where a wiring layer is formed and a protective film is provided

此时，$3 会捕获 wiring layer is formed and a protective film。因为中间没有被排除的标点，后面又出现了 is provided，整个字符串仍然符合匹配条件。

换句话说，这个表达式可以查找包含多个单词的部件名称的句式，却无法从语法上判断名词短语在哪里结束、其他句子成分从哪里开始。对于没有排除的符号或特殊格式，也需要留意。

另外，where 前面是多个单词，或者句式中不含冠词等情况，也不在本次表达式的匹配范围内。更重要的是，将 where 改为 on which 是否保留原有的技术含义，仍需要根据上下文以及必要时的附图来判断。

先用正则表达式找出候选位置，再逐一确认哪些地方适合替换。 对于专利说明书等技术文档，这一点尤其重要。

本篇要点回顾

表达式	含义
\S	匹配一个非空白字符
\s	匹配一个空白字符，例如空格、制表符或换行
|	表示“或”，可用来指定不同冠词等选项
[ ]	匹配方括号中列出的任意一个字符
[^ ]	匹配方括号中未列出的字符
+?	匹配一次或多次，并优先尝试最短匹配

在这次的例子中，我们允许多词部件名称中存在空格，同时排除指定的标点和换行符，从而控制匹配范围。

查找

the ([^\s.,;:!?]+) where (a|an|the) ([^.,;:!?\r\n]+?) is provided

替换

the $1 on which $2 $3 is provided

上一篇，我们捕获日期中的数字并调整顺序；这一次，我们捕获句式中可能变化的词语和冠词，再将它们放回替换后的句子。同时也能看到，要让搜索更可靠，还需要明确哪些位置允许出现空格、哪些标点应当作为边界，以及匹配应该在哪里停止。

下一篇：在 memoQ 中实际操作

前四篇已经介绍了使用正则表达式进行搜索和替换的基础。下一篇开始，我们将进入 memoQ 翻译编辑器，结合查找与替换功能、文本筛选器，看看如何定位候选表达、检查匹配结果，再修改真正需要调整的内容。