如何从文本中删除小写句子片段？

Question

我正在尝试使用常规表达式或简单的Perl oneliner从标准文本文件中删除小写句子片段。在

这些通常被称为言语或归因标签，例如-他说，她说，等等

此示例显示使用手动删除之前和之后：

1. 原件：

“啊，那是真的！”阿尤莎喊道。在

“哦，别再装傻了！有个白痴进来，你让我们 真丢人！”窗边的女孩喊道，突然转向她父亲 带着轻蔑和轻蔑的神情。在

“等等，瓦瓦拉！”她父亲喊道，专横地说 非常赞许地看着他们。”这就是她的性格，”他说， 再次向阿尤莎致辞。在

“你去哪儿了？”他问他。在

“我想，”他说，“我忘了一些事。。。我的手帕，我 想想。。。。好吧，即使我没有忘记什么，让我留下来 一点点。”

他坐了下来。父亲站在他身边。在

“你也坐下吧，”他说。在

---

1. 手动删除所有小写句子片段：

“啊，那是真的！”在

“哦，别再装傻了！有个白痴进来，你让我们 真丢人！”在

“等等，瓦瓦拉！”这就是她的性格。”

“你去哪儿了？”在

“我想，”“我忘了一些事。。。我的手帕，我 想想。。。。好吧，即使我没有忘记什么，让我留下来 一点点。”

他坐了下来。父亲站在他身边。在

“你也坐下吧”

---

我把直引号改成了平衡和尝试：（…）+[.]

当然，这会删除一些片段，但会删除一些平衡引号中的文本和以大写字母开头的文本。[^A-Z]在上面的表达式中无效。在

我意识到要达到100%的准确率可能是不可能的，但是任何有用的表达式、perl或python脚本都将受到深切的感谢。在

干杯

亚伦

Answer 1

我不完全确定您使用的是哪个编辑器，如果您使用的是支持原子分组的编辑器（例如EditorPad Pro），您可以使用下面的正则表达式进行搜索和替换：

搜索

(".+?"|^[A-Z].+\r\n)(.(?!"))* 
Note: you should replace \r\n with \n or \r according to your line breaks

替换为

^{pr2}$

下面是对正则表达式的一点解释：

The first capturing group is for characters between quotes and lines starting with Capital Letters. The second capturing group is for any characters that is after a quote but before another quote.

Answer 2

下面是一个Python代码片段：

 thetext="""triple quoted paste of your sample text"""
 y=thetext.split('\n')
 for line in y:
    m=re.findall('(".*?")',line)
    if m:
        print ' '.join(m)
    else:
        print line

Answer 3

这适用于问题中显示的所有情况：

sed -n '/"/!{p;b}; s/\(.*\)"[^"]*/\1" /;s/\(.*"\)\([^"]*\)\(".*"\)/\1 \3/;p' textfile

在以下情况下失败：

^{pr2}$