去掉[]中的英文字符

　　最近在信息科技大学上传智.Net就业班的课程，中午有位信息科技大学的老师问我关于正则表达式的问题. 问题大致这么描述的：
　　有一个字符串，里面是中文与英文的混排内容，中间包含几对中括号（方括号），现在有个需求，就是移除中括号中所有的英文字符，保留其他数据.
　　我一看就觉得可以完成，但是随手一写发现有点问题，可能处于数学出身的原因，总想把问题尽量写得全面，我中午吃饭的时候就在考虑该怎么些比较好. 这里给出我思考这个问题的思路，看看有没有给大家一点启发.

化归思想
　　数学里面有个很重要的思想，就是“化归”思想. 什么是化归呢？简单的说，就是将复杂的问题进行归纳总结，将其变成一些简单的问题的组合，然后简单问题解决了，复杂问题也就解决了.
　　有朋友就会说了：“看了数学头痛，还跟我提什么化归思想… …”
　　其实不然，只是化归思想这个名字很吓人——数学思想啊，其实她很基础，因为我们天天都在用这个思想. 来一个生活中的例子，想知道一个超市的商品质量和价格好与不好，怎么考究？显然这个咱们没有办法一个个检验，但是我们看得到，可以比较. 如果这个超市总是人很多，而且消费者投诉也很少，那我们就可以下结论了，这个超市不错. 再比如说，面向对象中的一个概念，C#中继承具有传递性，这个怎么理解？其实很简单，因为继承，子类包含了父类的成员，那么一直下去，孙子类继承子类，就包含了子类成员，即是孙子类包含了父类成员，因此就有了结论，派生类都具有基类成员，自然传递性就很好理解了.

问题化归
　　那么说过了这么多和解决这个问题有什么关系呢？显然我解决这个问题使用了化归的思想. 关键是这个问题有什么难点呢？
我们先来看一个例子：
有一个字符串

string str = "abc[你abc好]abc";

现在要将字符串里面的“[你abc好]”中的英文字符“abc”去掉，使得字符串变为

string str = "abc[你好]abc";

显然使用正则表达式可以是

string str = Regex.Replace(str, @"(\[你)[a-zA-Z]+(好\])", "$1$2");

　　当然这里的解答绝对不是唯一的，因此给出的只是一个我想到的方法. 但是关键是这个情况是很特殊的. 首先，方括号“[]”中不见得就是汉字在两边，而且不见得就是你好；其次，对于中间不一定就是只有一串英文字母，比如还有可能是”你abc好abc啊”，那么此时就不太管用了.
那么这里的问题便是：
　　1、方括号内不确定有多少个汉子块与多少个英文块；
　　2、方括号内不明确英文与汉字排列方式

　　那么将问题化归一下，就好办了（注意，本文不见得给出的是最好方法，但是提供了一个思考问题的方法）

汉字两边型
　　由于问题是要将方括号内的英文字母去掉，所以无论方法括号内两端是什么，都可以使用C#语句：

string str = Regex.Replace(str, @"(\[)[a-zA-Z]*(.+?)[a-zA-Z]*(\])", "$1$2$3");

　　使得字符串中方括号两边变成汉字.
　　也就是说所有的字符串都可以划归为如下模型

…[中…中]…

 

[中a中a中]型

　　将字符串变为“汉字两边型”后，问题就是不明确两端汉字中有多少组引文字符，但是自己分析一下，去掉右边的汉字，那么字符串将变成由字符串片段“中a”的一个重复的循环组合，即：”中a”、”中a中a”、”中a中a中a”、… …
　　那么问题就简单了，只要很好的解决“[中a中a中]型”的字符串，那么其他情况就可以利用循环解决了.
　　第一步，从左往右依次去掉第一组英文（当然需要判断是否存在），例如，将一个的字符串”[中a中a中a中]”通过正则表达式替换变为”[中a中a中]”. 可以使用C#语句

if(Regex.IsMatch(str, @"\[[^\]]+?[a-zA-Z]+[^\]]+\]"))
{
    string str = Regex.Replace(str, @"(\[[^\]]+?)[a-zA-Z]+([^\]]+\])", "$1$2");
}

　　第二步，就很简单了，剩下的就是重复了，直到剩下“[中a中]型”. 实际上，当剩下该模式字符串时，依旧调用上面的方法，一样能实现将中间的英文去掉.

分析一下匹配规则
　　实际上现在已经把问题解决了，下面我说明一下我为何将正则表达式写成这样. 我以最后一次匹配为例. 

string str = "a[中a中]a";
if(Regex.IsMatch(str, @"\[[^\]]+?[a-zA-Z]+[^\]]+\]"))
{
    string str = Regex.Replace(str, @"(\[[^\]]+?)[a-zA-Z]+([^\]]+\])", "$1$2");
}

分析：
1、此时if判断中IsMatch判断是否匹配
　　IsMatch中的正则表达式这么写“@”\[[^\]]+?[a-zA-Z]+[^\]]+\]””，表示先匹配中括号“[”开头，然后中间不允许有中括号结束的字符“]”，并且使用了取消贪婪模式使之后面的“[a-zA-Z]+”尽可能的匹配第一组英文字母. 这里匹配了str中的“[中a”. 然后剩下的“[^\]]+\]”匹配第一组引文字母结束后的所有字符，以及结束的中括号“]”. 因此返回的肯定是true.
2、开始替换
　　有了if的匹配以后，替换就很容易了，Replace方法中的正则表达式中首尾两个组分别匹配“[中”和“中]”，因此，“$1$2”就将中间的引文字母替换掉了.
　　对于非最后一次匹配的情况，例如替换”[中a中a中]”，组1匹配“[中”，组2匹配“中a中]”，只是将左边的第一组英文替换掉了.

整合结果

　　通过前面的分析，想要将中括号里面的英文去掉，可采用的通用思维为
-> 先去掉中括号内首尾英文字母
-> 在利用循环，从左往右依次去掉一组组英文字符，直到英文字符为止

　　结合前面的讨论，给出一个方法

public static string MyReplace(string str)
{ 
    str = Regex.Replace(str, @"(\[)[a-zA-Z]*(.+?)[a-zA-Z]*(\])", "$1$2$3");
    while (Regex.IsMatch(str, @"\[[^\]]+?[a-zA-Z]+[^]]+\]"))
    {
        str = Regex.Replace(str, @"(\[[^\]]+?)[a-zA-Z]+([^\]]+\])", "$1$2");
    }
    return str;
}

　　但是值得思考的是，此处不一定是绝对的解决方案，按照我的思维，一定会有更好的方法出现. 这里我只是给出了一个思考问题的方法，并拟定出了解决方案.

　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　2012年3月23日星期五 蒋坤