Regex: как определить нечетное / четное число случаев символа, предшествующего данному символу?

Это правда, что регулярные выражения не могут считаться, но они можно использовать , чтобы определить, есть ли что-то четное или нечетное. Уловка в этом случае состоит в том, чтобы исследовать кавычки после трубы, а не перед ней.

str = str.replace(/\|(?=(?:(?:[^"]*"){2})*[^"]*$)/g, "OR");

Разбивая это на части, (?: [^ "] *") {2} соответствует следующей паре кавычек, если она есть, вместе с промежуточными кавычками. После того, как вы проделаете это столько раз, сколько сможете (что может быть равно нулю), [^ " ] * $ использует все оставшиеся не заключенные в кавычки до конца строки.

Конечно, это предполагает, что текст имеет правильный формат. Он также не решает проблему экранированных кавычек, но может, если вам это нужно.

Регулярные выражения не учитываются. Для этого нужны парсеры.

Вы можете найти Perl FAQ по этому вопросу актуально.

#!/usr/bin/perl

use strict;
use warnings;

my $x = qq{"this | that" | "the | other"};
print join('" OR "', split /" \| "/, $x), "\n";

Возможно, вы ищете что-то вроде этого:

(?<=^([^"]*"[^"]*")+[^"|]*)\|

Всем спасибо. Приносим извинения за то, что не упомянули, что это в javascript, и что термины не нужно цитировать, и может быть любое количество цитируемых / некотируемых терминов, например:

"this | that" | "the | other" | yet | another  -> "this | that" OR "the | other" OR yet OR another 

Дэниел, кажется, что это примерно, то есть в основном соответствие / массажная петля. Спасибо за подробное объяснение. В js это выглядит как разбиение, цикл forEach для массива терминов, отправка термина (после изменения | термина на OR) обратно в массив и повторное соединение.

Вам не нужно считать, потому что вы не вкладываете кавычки. Это будет делать:

#!/usr/bin/perl

my $str = '" this \" | that" | "the | other" | "still | something | else"';
print "$str\n";

while($str =~ /^((?:[^"|\\]*|\\.|"(?:[^\\"]|\\.)*")*)\|/) {
        $str =~ s/^((?:[^"|\\]*|\\.|"(?:[^\\"]|\\.)*")*)\|/$1OR/;
}

print "$str\n";

Теперь давайте объясним это выражение.

^  -- means you'll always match everything from the beginning of the string, otherwise
      the match might start inside a quote, and break everything

(...)\|   -- this means you'll match a certain pattern, followed by a |, which appears
             escaped here; so when you replace it with $1OR, you keep everything, but
             replace the |.

(?:...)*  -- This is a non-matching group, which can be repeated multiple times; we
             use a group here so we can repeat multiple times alternative patterns.

[^"|\\]*  -- This is the first pattern. Anything that isn't a pipe, an escape character
             or a quote.

\\.       -- This is the second pattern. Basically, an escape character and anything
             that follows it.

"(?:...)*" -- This is the third pattern. Open quote, followed by a another
              non-matching group repeated multiple times, followed by a closing
              quote.

[^\\"]    -- This is the first pattern in the second non-matching group. It's anything
             except an escape character or a quote.

\\.       -- This is the second pattern in the second non-matching group. It's an
             escape character and whatever follows it.

Результат будет следующим:

" this \" | that" | "the | other" | "still | something | else"
" this \" | that" OR "the | other" OR "still | something | else"

Другой подход (похожий на рабочий ответ Алана М):

str = str.replace(/(".+?"|\w+)\s*\|\s*/g, '$1 OR ');

Часть внутри первой группы (с интервалом для удобочитаемости):

".+?"  |  \w+

... в основном означает, что-то процитированное или слово. Остаток означает, что за ним следует "|" заключен в необязательный пробел. Замена состоит в том, что первая часть («$ 1» означает первую группу), за которой следует «ИЛИ».

@Alan M, works nicely, escaping not necessary due to the sparseness of sqlite FTS capabilities.

@epost, accepted solution for brevity and elegance, thanks. it needed to merely be put in a more general form for unicode etc.

(".+?"|[^\"\s]+)\s*\|\s*