Регулярное выражение стихов из Священного Писания

Я не буду комментировать ту часть регулярного выражения, которая соответствует названию или аббревиатуре книги, а сосредоточусь на второй части, которая соответствует главе(ам) и стиху(ам):

• Он начинается с (.?, но похоже, что вы хотите сопоставить здесь буквальную точку, поэтому ее следует экранировать: (\.?

• У вас есть конструкции, которые могут привести к экспоненциальному возврату, как показано в этом фрагменте: \d+)?(\s?[-–—]\s?)?(?:\d+. Если эта средняя необязательная группа не захватывает никаких символов, у вас есть \d+, за которым следует \d+, а это означает, что если произойдет возврат к этой части регулярного выражения, распределение цифр изменится на все возможные разделения. Этого следует избегать.

• Символ \S не может быть правильным: он соответствует любому символу, не являющемуся пробелом, который может быть знаком пунктуации, буквой... что, безусловно, будет неправильным здесь.

• Существует много ненужных повторений: иногда у вас есть поддержка определенного шаблона, который не поддерживается где-либо еще, например, суффикс [abcde]. Это кажется произвольным. По возможности лучше избегать такого дублирования.

Теперь к сути вопроса: как избежать того, чтобы цифра перед названием книги фиксировалась так, как будто это глава/стих, принадлежащий предыдущей ссылке?

Для этого вы можете использовать просмотр вперед. Например, перед сопоставлением пробела, за которым следует цифра, в качестве главы/стиха вы можете утверждать, что за этими двумя символами не следует пробел и заглавная буква, поскольку это будет указывать на то, что эта цифра на самом деле является префиксом номера книги.

Вот предлагаемое исправление этой второй части вашего регулярного выражения:

\.?\s(?:\d+[:.])?\d+[a-e]?(?:(?:\s?[-–—]|,)(?!\s[1-3]\s+[A-Z])\s?(?:\d+[:.])?\d+[a-e]?)*

Однако обратите внимание, что есть такие неясности:

Иуды 1, 2 Иоанна 1:5

...что может означать «(Иуды 1), (2 Иоанна 1:5)» или «(Иуды 1, 2) (Иоанна 1:5)». Предлагаемое регулярное выражение будет использовать первый вариант. Я предполагаю, что во втором случае вам лучше использовать знаки препинания или текст между двумя ссылками, например:

Иуды 1, 2; Иоанна 1:5

или так:

Иуды 1, 2 и Иоанна 1:5.

Есть несколько проблем с подходом с использованием регулярных выражений.

Во-первых, названия книг могут иметь форму 2 Петра, и это можно спутать с введенной формой, например: Быт 1, 2 Петра.

Для большинства книг, которые могут иметь цифры в начале, эту проблему можно обойти, добавив эти версии в список названий книг и явно выполнив их поиск, прежде чем делать что-либо еще.

Однако это не может решить проблему Джона, который может иметь предшествующую цифру или нет. Никакой умный анализ не может решить эту проблему, и единственный человек, который может ее решить, — это тот, кто является автором текста и знает, что он означает.

Существует также тот факт, что . может использоваться в конце названия книги, хотя это также можно сделать, добавив такие строки в список названий книг перед их поиском.

Основная проблема (IMO) — сложность понимания регулярных выражений, которые имеют дело с этими особыми случаями. Для удобства сопровождения я бы предложил кодировать менее сложным способом.

Итак, я отказался от регулярных выражений из-за проблем и вместо этого вот версия JS - очень неотшлифованная и немного хакерская, но она справляется с проблемами 2 Петра и т. д.

Авторам придется проверить себя на наличие проблемы Джона, но она вряд ли будет возникать часто, поскольку числа после предыдущего должны быть небольшими. Такая человеческая проверка потребуется, каким бы сложным и всеобъемлющим ни был код/регулярное выражение.

<style>
  span {
    background: pink;
  }
</style>
<div></div>
<script>
  const books = ['Gen', 'Ge', 'Gn', 'Exo', 'Ex', 'Exod', 'Lev', 'Le', 'Lv', 'Num', 'Nu', 'Nm', 'Nb', 'Deut', 'Dt', 'Josh', 'Jos', 'Jsh', 'Judg', 'Jdg', 'Jg', 'Jdgs', 'Rth', 'Ru', 'Sam', 'Samuel', 'Kings', 'Kgs', 'Kin', 'Chron', 'Chronicles', 'Ezra', 'Ezr', 'Ez', 'Neh', 'Ne', 'Esth', 'Es', 'Job', 'Job', 'Jb', 'Pslm', 'Ps', 'Psalms', 'Psa', 'Psm', 'Pss', 'Prov', 'Pr', 'Prv', 'Eccles', 'Ec', 'Song', 'So', 'Canticles', 'Song of Songs', 'SOS', 'Isa', 'Is', 'Jer', 'Je', 'Jr', 'Lam', 'La', 'Ezek', 'Eze', 'Ezk', 'Dan', 'Da', 'Dn', 'Hos', 'Ho', 'Joel', 'Joe', 'Jl', 'Amos', 'Am', 'Obad', 'Ob', 'Jnh', 'Jon', 'Micah', 'Mic', 'Nah', 'Na', 'Hab', 'Zeph', 'Zep', 'Zp', 'Haggai', 'Hag', 'Hg', 'Zech', 'Zec', 'Zc', 'Mal', 'Mal', 'Ml', 'Matt', 'Mt', 'Mrk', 'Mk', 'Mr', 'Luk', 'Lk', 'John', 'Jn', 'Jhn', 'Acts', 'Ac', 'Rom', 'Ro', 'Rm', 'Co', 'Cor', 'Corinthians', 'Gal', 'Ga', 'Ephes', 'Eph', 'Phil', 'Php', 'Col', 'Col', 'Th', 'Thes', 'Thess', 'Thessalonians', 'Ti', 'Tim', 'Timothy', 'Titus', 'Tit', 'Philem', 'Phm', 'Hebrews', 'Heb', 'He', 'James', 'Jas', 'Jm', 'Pe', 'Pet', 'Pt', 'Peter', 'Jn', 'Jo', 'Joh', 'Jhn', 'John', 'Jude', 'Jd', 'Jud', 'Jud', 'Rev', 'The Revelation', 'Genesis', 'Exodus', 'Leviticus', 'Numbers', 'Deuteronomy', 'Joshua', 'Judges', 'Ruth', 'Samuel', 'Kings', 'Chronicles', 'Ezra', 'Nehemiah', 'Esther', 'Job', 'Psalms', 'Psalm', 'Proverbs', 'Ecclesiastes', 'Song of Solomon', 'Isaiah', 'Jeremiah', 'Lamentations', 'Ezekiel', 'Daniel', 'Hosea', 'Joel', 'Amos', 'Obadiah', 'Jonah', 'Micah', 'Nahum', 'Habakkuk', 'Zephaniah', 'Haggai', 'Zechariah', 'Malachi', 'Matthew', 'Mark', 'Luke', 'John', 'Acts', 'Romans', 'Corinthians', 'Galatians', 'Ephesians', 'Philippians', 'Colossians', 'Thessalonians', 'Timothy', 'Titus', 'Philemon', 'Hebrews', 'James', 'Peter', 'John', 'Revelation', 'Re', 'Ap', 'Jd.', 'Heb.'];

  const preStrings = ['III', 'II', 'I', '1st', '2nd', '3rd', 'First', 'Second', 'Third', '1', '2', '3'];
  const preStringed = ['Sam', 'Samuel', 'Kings', 'Kgs', 'Kin', 'Chron', 'Chronicles', 'Corinthians', 'Co', 'Cor', 'Thessalonians', 'Th', 'Thes', 'Thess', 'Timothy', 'Ti', 'Tim', 'Peter', 'Pe', 'Pet', 'Pt', 'John', 'Jn', 'Jhn'];
  let text = `Joel 10:13 The passages Luke 2:32 and Lk 1:23 that we are looking at tonight 1 Cor 12:34 2 Cor 3:4 are found Jude 6, in Jude 5, Genesis 2:1 - 3:19, 1 John 3:16-17, 1 Peter 1:1, and Romans 10:13, 15, 17. Please turn in your Bibles. Ps 109:4,5,6,8.  Isaiah 61.2-3 Mt 5.4

Ge 27.27-29,89-40 Heb 11.20 Heb. 12.17 Jonah 3

Jd. 5
Jd 6

1 Cor 12:34 2 Cor 3:4. He 4.12 Re 1.16

Leviticus 16:6 He 5.3 He 7.27

Hos 10:1-3, 8 and 1 John 2:23`;
  //add the prestringed versions e.g. 1 Peter
  for (let b = 0; b < preStringed.length; b++) {
    for (let pre = 0; pre < preStrings.length; pre++) {
      books.push(preStrings[pre] + ' ' + preStringed[b]);
    }
  }
  // add the book name with . at the end as this seems to be added sometimes, at least to the shortened forms
  const length = books.length;
  for (let b = 0; b < length; b++) {
    books.push(books[b] + '.');
  }

  // sort descending - longer items first
  books.sort((a, b) => b.length - a.length);
  let booksAt = [];
  // go thro' each book finding where it matches in text
  for (let b = 0; b < books.length; b++) {
    const book = books[b];
    let chNoInText = 0;
    while (chNoInText < text.length) {
      let j = text.indexOf(book, chNoInText);
      if (j < 0) break;
      if (((j + book.length) < text.length) && !(text.charAt(j + book.length).match(/^[a-z]+$/))) {
        booksAt.push([book, j]);
        let replacement = book;
        for (let k = 0; k < book.length; k++) {
          replacement = replacement.replace(book.charAt(k), 'X');
        }
        text = text.replace(book, replacement); // to prevent a shorter version matching
      }
      chNoInText = j + book.length + 1;
    }
  }
  // into ascending order of start position
  booksAt.sort(function(a, b) {
    return a[1] - b[1];
  });
  newText = '';
  let chNoInText = 0;
  for (let b = 0; b < booksAt.length; b++) {
    while (chNoInText < booksAt[b][1]) { //copy across characters to start of book
      newText += text.charAt(chNoInText);
      chNoInText++;
    }
    newText += '<span>' + booksAt[b][0] + '</span><span>';
    chNoInText += booksAt[b][0].length; //skip the 'fill-in characters
    for (let i = 0; i < 100; i++) {
      chNoInText++;
      const nextCh = text.charAt(chNoInText);
      //test whether are at the end of the chapter(s) and verse(s)
      if (nextCh.match(/^[a-z]+$/)) break;
      if (nextCh.match(/^[A-Z]+$/)) break;
      newText += text.charAt(chNoInText - 1);
    };
    newText += '</span>&nbsp;';
  }
  document.querySelector('div').innerHTML = newText;
</script>

Мне удалось составить регулярное выражение, соответствующее всем примерам в вашей ссылке regex101: https://regex101.com/r/J2Tpwz/2 - если у вас есть более полный список книг, к которым будет добавлен префикс, вы можете добавить их в раздел, который сейчас выглядит так John|Peter|Cor

Ответ @a-haworth кажется очень полным и, скорее всего, будет работать для большой группы входных текстов. Просто добавьте это, если вам нужно что-то чисто на основе регулярных выражений

Регулярное выражение, показанное по этой ссылке: /(?:\b\d+ )?[A-Z]\w+\.? [\d: .\-]+(?:, ?[\d\-]+)*(?<![ .])(?! (?:John|Peter|Cor))/g

и разбивка такая:

• (?:\b\d+ )? — опционально соответствует начальному числу
• [A-Z] – убедитесь, что название книги начинается с заглавной буквы.
• \w+\.? [\d: .\-]+ — серия словесных символов, за которыми следует необязательная точка, пробел, а затем последовательность цифр, двоеточий, точек и дефисов.
• (?:, ?[\d\-]+)* — необязательная дополнительная повторяющаяся последовательность запятой, необязательный пробел, а затем последовательность цифр и дефисов.
• (?<![ .]) — отрицательный просмотр, чтобы убедиться, что конечная группа не содержит завершающего пробела или точки.
• (?! (?:John|Peter|Cor)) — отрицательный просмотр вперед, чтобы гарантировать, что за окончательным совпадением числа не сразу следует название книги.