grep大写单词到小写，而不包括罗马数字

Question

我想写一个正则表达式将所有大写单词转换为小写，同时排除大写罗马数字转换。

我发现的唯一方法是将所有大写单词后跟空格，逗号或句点以及连字符转换为小写。然后将所有罗马数字转换为大写。

我用这个要转换为小写：

(\u+[ ,.-]) 

然后我不得不通过查找和替换所有可疑的罗马数字。

什么是更好的方法来做到这一点？我尝试了没有运气的负面预测表达式，但我在写作时并不强大。

我正在测试的样本是美国宪法。这里的输入样本：

WE，美国人民，为了形成更加完善的 结合，树立正义，保障国内的安宁，为 共同的国防，增进全民福利并为自己和我们的后代确保自由的祝福 ，并为本美利坚合众国制定本宪法并制定 。

第I条。

Sect。 1.在此授予的所有立法权力应由联合国大会组成，该大会由参议院和众议院组成。

Sect。 2.众议院 由 几个国家的所有人每两年选出的成员组成，每个州的选民必须具有 国家立法机构最多的分支的选举人所需的资格 。任何人不得成为代表，其不应当是未满25岁，并且已有7年 年的美国公民，并且当选时 不应当是该州的居民他将被选中。第二部分：第一部分第二部分第三部分第四部分第四部分

第五条。

第六条。

Answer 1

如果正则表达式的味道支持负向前看符号，你可以尝试：

\b(?![LXIVCDM]+\b)([A-Z]+)\b 

它说“这并非完全由L-任何全大写的话，X，I，V，C ，D，M“（罗马数字）。

它还方便地停止单词“我”被转换。 （另外，如果您想防止单字母大写单词被转换，请使用[A-Z]{2,} - 这会阻止大写字母“A”（在句子的开头）并转换，您通常希望停留在正常情况下）。它可以阻止完全由这些字母组成的匹配词 - 但我能想到的只有“DID”，也许是“DIV”（如在HTML中），“DIM”（如在维度中）， “MID”，“MIDI”，“VIC”（如在维多利亚？）...

虽然，你当然可以改变罗马数字正则表达式来更加体贴一些规则，例如

(?=[MDCLXVI])M{0,3}(C[DM]|DC{0,3}|C{1,3})?(X[LC]|LX{0,3}|X{1,3})?(I[XV]|VI{0,3}|I{1,3})? 

说明：

(?=[MDCLXVI])   # make sure we match at least something 
         # (since everything in this regex is optional) 
M{0,3}     # Can have 0 to 3 Ms, being thousands 
(C[DM]|DC{0,3}|C{1,3})? # for the hundreds column can have CD, CM, 
         # C, CC, CCC, D, DC, DCC, DCCC 
(X[LC]|LX{0,3}|X{1,3})? # for the tens column can have XL, XC, 
         # L, LX, LXX, LXXX, X, XX, XXX 
(I[XV]|VI{0,3}|I{1,3})? # for the ones column can have IX, IV, 
         # V, VI, VII, VIII, I, II, III. 

我认为，涵盖所有可能的罗马数字....

如果您正则表达式的味道不支持负向前看符号，也许你可以做类似：

\b((ROMAN_NUMERAL_REGEX)|([A-Z]+))\b 

并替换为“$ 2 $ 3_converted_to_lower_case”（对不起 - 我不知道如何进行实际的转换）。

上面将工作，因为该正则表达式只有永远匹配任的罗马数字的正则表达式（和被捕获在$ 2），或其它正则表达式（捕获在$ 3）。所以2美元或3美元中的一个总是空的。