正则表达式：在特定单词后替换空格

使用 Perl：

perl -anE '
    if (/\b(?:VON|VAN|DE)\b/) {
        @a = split /\s+/;
        say $a[0], " ", join "_", @a[1..$#a]
    } else {
        print;
    }
' file

HENRIETTA VON_DER_GRAAF
CAROLINE VAN_OOSTEN_DE_WINKEL
MARC DE_VRIES_VAN_JONG
ANNEKA VANHOVEN BAKKER
JOHN SMITH

这可以通过以下方式完成：\G\K

(?:                # Match either
  (?<!\S)          #                      but only if it is not preceded by a whitespace,
  (?:VON|VAN|DE)   # 'VON', 'VAN' or 'DE'
|                  # or
  \G(?!\A)         # the end of the last match
  \S+              # then a sequence of non-whitespace characters.
)                  # 
\K\x20             # Forfeit everything we just match, then match a space.

在 regex101.com 上试用。

由于 PCRE2 中缺乏对非固定宽度后视的支持，我们无法执行以下操作，这可以说更容易理解：

(?<=               # Match a position preceded by
  (?:VON|VAN|DE)   # either of the three words
  (?:\x20\S+)*     # then 0 or more (space + word),
)                  # 
\x20               # and a space at that position.

在 regex101.com 上试用。

\G 匹配最后一个匹配项末尾的位置或整个字符串的开头位置。多亏了 ，后一个备选方案只有在我们匹配第一个备选方案时才会匹配： 。(?!\A)(?<!\S)(?:VON|VAN|DE)

视觉解释：

MARC DE VRIES VAN JONG
     ^ Start matching `(?<!\S)(?:VON|VAN|DE)`

MARC DE VRIES VAN JONG
       ^ ...then `\x20`.

MARC DE VRIES VAN JONG
        ^ `(?<!\S)(?:VON|VAN|DE)` doesn't match here; switch to `\S+`

MARC DE VRIES VAN JONG
             ^ `\x20` is matched.

MARC DE VRIES VAN JONG
              ^ Back to step 1.

MARC DE VRIES VAN JONG
                  ^ Back to step 3.

您可以使用此正则表达式实现所需的结果：

^(.*? (?:VAN|VON|DE)) |((?<!^)\G\w+) 

这与以下任一匹配：

• ^(.*? (?:VAN|VON|DE)) ：行首后的一些最小字符数，后跟一个空格，以及 或 中的一个，全部捕获在第 1 组中，然后是一个空格;或VONVANDE
• ((?<!^)\G\w+) ：从上次成功匹配的末尾开始（但不从字符串的开头开始，通常允许）开始的一定数量的单词字符，在第 2 组中捕获，然后是一个空格\G

然后，您可以将匹配项替换为（只有一个或将包含任何内容）。$1$2-$1$2

regex101 上的正则表达式演示

请注意，正则表达式可以简化为丢弃匹配的第一部分，只匹配单词后面的空格：\K

^.*? (?:VAN|VON|DE)\K |(?<!^)\G\w+\K 

那么替换就是简单的.-

regex101 上的正则表达式演示

您可以在没有正则表达式的情况下进行转换。

data have;
input text $CHAR50.;
datalines;
HENRIETTA VON DER GRAAF
CAROLINE VAN OOSTEN DE WINKEL
MARC DE VRIES VAN JONG
ANNEKA VANHOVEN BAKKER
JOHN WILKINSON SMITH
;

data want;
  set have;
  p = prxmatch('m/\b(VAN|VON|DE)( )/',text);
  if 0 < p < length(text) then 
    substr(text,p+1) = translate(substr(trim(text),p+1),'-',' ');
run;