Sigil正則表達(dá)式入門(mén)

1、Sigil正則表達(dá)式入門(mén)正則表達(dá)式，是一種用特殊符號(hào)表示文字的方法，主要用在查找和替換方面。下面的例子可以讓你知道正則表達(dá)式是干什么用的。在一個(gè)文本中，有這樣的一些內(nèi)容：序章第一章 ABCDEF第二章 GHIJKL第三章 終章這種內(nèi)容我們都很熟悉，你有沒(méi)有想過(guò)，用什么辦法可以把這些內(nèi)容一次過(guò)查找出來(lái)呢？為了簡(jiǎn)化，我們先來(lái)看這個(gè)部分。第一章第二章第三章可以看到，這些內(nèi)容有著極高的相似性，由“第”，“章”開(kāi)頭和結(jié)尾，中間有著一些數(shù)字。如果我們能用一個(gè)什么符號(hào)來(lái)代表中間的所有字，比如一個(gè)圓點(diǎn)“.”，不就可以用這樣的方式來(lái)查找出所有這樣的內(nèi)容了嗎。第.章很早之前，就有人發(fā)明了一套完整的方案，讓我們可以

2、用各種不同的符號(hào)來(lái)達(dá)到這種目的，那就是我們將要了解的正則表達(dá)式。正則表達(dá)式作為一種描述字符的方案，在大量軟件、編程語(yǔ)言中都有所運(yùn)用，而在這些不同的平臺(tái)上，正則表達(dá)式的使用方式又往往會(huì)有或多或少的差異，在某個(gè)平臺(tái)上管用的表達(dá)式，換個(gè)地方可能就要改改才能正確運(yùn)行。那么在這篇文章里，我們主要是講Sigil中的正則表達(dá)式，至于推廣應(yīng)用，就要靠大家去查找資料了。1. 元字符我們前面提到，正則表達(dá)式一個(gè)重要作用就是用特別的符號(hào)來(lái)代表一類(lèi)字符，而這些符號(hào)就叫做“元字符”。這些元字符在大多數(shù)環(huán)境下都是通用的。注意，元字符中所有符號(hào)都是半角符號(hào)，也就是通常說(shuō)的英文符號(hào)。以下是一些常見(jiàn)的元字符，實(shí)際上還有更多。這

3、些元字符都經(jīng)過(guò)測(cè)試，在Sigil下有效。符號(hào)意義說(shuō)明.任意一個(gè)字符最簡(jiǎn)單的元字符，匹配任意字符，但不包括換行符“n”。轉(zhuǎn)義把元字符改變?yōu)槠胀ㄗ址?，或者把某些普通字符轉(zhuǎn)變?yōu)樵址１热?，?”就是代表普通的點(diǎn)號(hào)，不代表其他字符。s空白字符半角空格、制表符等空白字符。在Sigil中還能匹配到換行符“n”和空白行，使用要注意。注意，不能匹配到全角空格。t制表符匹配制表符。n換行符表示文章的換行，這是一個(gè)不可見(jiàn)符號(hào)，在例子中，這個(gè)符號(hào)在“_”的位置。aaanbbb你能夠通過(guò)“n”找到換行符，但不能夠插入換行符。要在替換結(jié)果中換行，需要用“r”。r回車(chē)代表一個(gè)回車(chē)符。這個(gè)符號(hào)不會(huì)在文本中出現(xiàn)，因此不能查

4、找到。但是如果你需要在查找結(jié)果中插入一個(gè)換行，那么就要用“r”。注意，插入后在文本中出現(xiàn)的仍然會(huì)是“n”而不是“r”。d任意一個(gè)阿拉伯?dāng)?shù)字也就是可以代表09中的任意一個(gè)。D任意一個(gè)非阿拉伯?dāng)?shù)字09以外的字符，同樣的，不包括換行符“n”行首即一行的開(kāi)頭。Sigil中不能單獨(dú)使用，要配合其他字符。比如，“a”表示在行首的“a”，能匹配到第一行和第三行的字母“a”。第二行因?yàn)樾惺资强崭瘢虼似ヅ洳坏?。abcabcabc$行尾表示任意一行的結(jié)尾，不包括換行符。在Sigil中不能單獨(dú)使用。比如，“c$”表示位于行尾的“c”,能夠匹配到第一行和第二行的字母“c”。abcabcabcd+一或更多表示一個(gè)或更

5、多。必須配用其他字符使用。添加在一個(gè)字符后面，表示一個(gè)或更多個(gè)該字符。相當(dāng)于“1,”比如，“a+”表示一個(gè)以上的“a”，以下例子都能匹配到。aaaaaa?盡可能少表示盡可能少。必須配合其他字符使用。比如，“accccbb”中“a.*b”匹配到“accccbb”，而“a.*?b”就能只匹配到“accccb”。注意：在某些平臺(tái)的正則表達(dá)式中，這一功能很可能由“-”減號(hào)提供。|或一個(gè)邏輯選擇符。“aa|bb”既可以匹配到“aa”也可以匹配到“bb”。可以用到多個(gè)選項(xiàng)中，比如“aa|bb|cc”?！?|2|3”相當(dāng)于“123”。*盡可能多即無(wú)或更多。相當(dāng)于“0,”n,m個(gè)數(shù)范圍表示匹配項(xiàng)的個(gè)數(shù)范圍。比

6、如，“a3”表示“aaa”，“a2,4”表示“aa”或“aaa”或“aaaa”，“a1,”表示一個(gè)以上的“a”。注意，“a,2”應(yīng)該表示兩個(gè)以下的“a”，但是這種寫(xiě)法在Sigil中無(wú)效，要寫(xiě)成“a0,2”。包含“”本身匹配一個(gè)字符。比如，“abc”匹配“a”、“b”或“c”。通常不分順序，“”和“”一樣。“”中用“-”表示范圍，“a-z”表能匹配到“a”到“z”全部26個(gè)字母之一。比如，“”和“d”是一樣的，但是“d”速度更快。如果要在“”中匹配“-”本身，把“-”寫(xiě)在最前面，或者把它轉(zhuǎn)義“-”。比如“-0-9”，就能匹配所有阿拉伯?dāng)?shù)字和“-”。不包含“”的逆操作。比如“abc”，能匹配到第二

7、行，第三行。abcadcafc注意，因?yàn)椤啊敝蟹?hào)是無(wú)序的，因此如果要排除字符串，要用其他方法。()捕獲組“(abc)”表示把“abc”分為一組。分組后可以配合其他元字符使用。一個(gè)組稱(chēng)為一個(gè)捕獲組。比如，“(abc)+”就是一個(gè)或以上“abc”組合的意思。捕獲組中的內(nèi)容會(huì)被記錄并編號(hào)，可以通過(guò)“0”“1”這種形式來(lái)引用。(?:)分組/非捕獲組作用上與“()”類(lèi)似，能把內(nèi)容分為一組，但“(?:)”僅有分組功能，不記錄匹配內(nèi)容。也就是說(shuō)，無(wú)法通過(guò)“0”“1”等方式引用。此元字符雖然消耗的資源更少，速度更快，在簡(jiǎn)單應(yīng)用中可能體驗(yàn)不到與“()”的區(qū)別。0，1，2.反向引用配合分組使用，引用一個(gè)分組。比

8、如，在查找時(shí)有分組“(abc)”，那么“1”就代表“abc”。有分組“a(bc)(de)f”，那么“0”代表“abcdef”，“1”代表“bc”，“2”代表“de”。如此類(lèi)推。嵌套也是一樣的，比如“(abc(def)”，“1”代表“abcdef”，“2”代表“def”。同樣地，也能在查找時(shí)應(yīng)用。比如有字符串“abc111abc”，那么表達(dá)式“(abc).*1”就能匹配到所有內(nèi)容。注：在其他平臺(tái)中，可能使用的是$0，$1等表示方法。(?s)多行匹配放在表達(dá)式的最前端，使得“.”可以匹配到“n”，從而實(shí)現(xiàn)跨行匹配。比如以下例子：使用正則表達(dá)式“.*”一次只能匹配到第一行或者第三行。而使用“(?s)

9、.*”則能一次性匹配到第一行到第三行所有內(nèi)容。注：這是Sigil特有元字符，其他平臺(tái)有另外的方法實(shí)現(xiàn)該功能。注2：此前綴和勾選“DotAll”效果一致。(?U)最少匹配放在表達(dá)式的最前端，使得整個(gè)正則表達(dá)式實(shí)現(xiàn)最少匹配。比如以下例子：AAABBBCCC正則表達(dá)式“.*”會(huì)匹配到整個(gè)句子。而“(?U).*”只會(huì)匹配到“AAABBB”。注：這是Sigil特有元字符，其他平臺(tái)有另外的方法實(shí)現(xiàn)該功能。注2：此前綴和勾選“Minimal Match”效果一致。2. 常用正則表達(dá)式在這一部分，我們回來(lái)看一些很常用的正則表達(dá)式，這些表達(dá)式往往是更復(fù)雜表達(dá)式的組成部分。2.1 所有字符.*匹配所有內(nèi)容。“.”

10、代表一個(gè)字符，“*”代表任意多個(gè)，因此“.*”代表“所有字符”。比如.*表示標(biāo)簽內(nèi)的所有內(nèi)容，可以依次匹配到下列各項(xiàng)AAACCCC！AAAAACCCC啊啊啊啊但不能跨行，這樣是匹配不到的。AAAAAA如果要跨行，需要使用“(?s)”。2.2 空白行 t *$n匹配空白行的典型寫(xiě)法。可以匹配無(wú)內(nèi)容的行，只有空格的行，只有制表符的行或者空格和制表符混合排列的行。中包括的分別是空格“ ”，制表符“t”和全角空格“”。也可以根據(jù)需要添加更多的字符。2.3 行尾空白字符t+$匹配出現(xiàn)在行尾的空白字符，比如空格。思路和2.2一致，使用“$”把搜查范圍限定在結(jié)尾，使用了符號(hào)“+”確保最少有一個(gè)空白字符，否則

11、會(huì)查找失敗。2.4 壓縮重復(fù)符號(hào)查找。+替換。很容易理解，把一個(gè)以上的“。”，換成一個(gè)“?！?，從而達(dá)到壓縮重復(fù)符號(hào)的目的?？梢造`活改變，壓縮各種重復(fù)的字符。配合2.2的查找空白行，也能實(shí)現(xiàn)壓縮空白行。3. 應(yīng)用實(shí)例在這一部分，我們會(huì)看一些Sigil使用過(guò)程中實(shí)際會(huì)用到的例子，方便各位了解正則表達(dá)式的使用。3.1 添加標(biāo)簽?zāi)愦蛩銥樗械膱D片添加一個(gè)，并且class為images原語(yǔ)句目標(biāo)語(yǔ)句使用元字符. ，* ，0查找替換0解說(shuō)：查找以“”結(jié)尾的所有句子，這個(gè)表達(dá)式默認(rèn)分組為“0”,因此可以用“0”來(lái)引用。如果你的文本中圖片語(yǔ)句必定是獨(dú)立一行的，可以直接使用“”后面是否緊跟換行符“n”來(lái)判斷圖片

12、是否獨(dú)立一行，從而實(shí)現(xiàn)不同位置圖片的匹配。擴(kuò)展：同樣的，你可以用這個(gè)方法為各種內(nèi)容很方便的添加標(biāo)簽，如果你常常用到這樣的替換，不要忘記善用Sigil的搜索模板功能。3.2 拼接斷行在一些文本中，會(huì)存在斷行，我們要把這些斷行重新拼接起來(lái)。原文本床前明月光，疑是地上霜。舉頭望明月，低頭思故鄉(xiāng)。目標(biāo)文本床前明月光，疑是地上霜。舉頭望明月，低頭思故鄉(xiāng)。使用元字符，n查找(，。)$n替換1解說(shuō)其實(shí)所謂的斷行，就是在不該換行的地方進(jìn)行了換行，那么只要分析出不該換行的特征就可以了。在這個(gè)例子中，換行只應(yīng)該出現(xiàn)在“，”和“?！焙竺妫虼宋覀儾檎仪懊鏇](méi)有“，”或者“?！钡膿Q行，并且將其刪除就可以了。因?yàn)槭褂玫恼?/p>

13、則表達(dá)式會(huì)匹配到“n”前面的一個(gè)字符，為了不把這個(gè)字符也刪除，所以要用“()”把這個(gè)字符保護(hù)起來(lái)。擴(kuò)展實(shí)際上我們還可以使用“零寬斷言”來(lái)達(dá)到這個(gè)效果，寫(xiě)法是“(?!，。$)n”,直接替換為空，零寬斷言本身就保護(hù)了字符。但是作為一個(gè)入門(mén)應(yīng)用，我還是先介紹使用“”的方法，關(guān)于零寬斷言，有興趣的朋友可以到這個(gè)網(wǎng)址了解：/rcom10002/acle/details/3.3 識(shí)別章節(jié)標(biāo)題這是很常見(jiàn)的一個(gè)需求，我們往往要為章節(jié)標(biāo)題添加，之類(lèi)的標(biāo)簽。通過(guò)3.1我們已經(jīng)了解到如何添加標(biāo)簽，因此這里著重講解如何識(shí)別標(biāo)題。原文本序章第一章 XXXX第二章 CCCC第三章 A

14、AAA終章后記目標(biāo)文本序章第一章 XXXX第二章 CCCC第三章 AAAA終章后記使用元字符. ，* ，()，1，|，m,n查找(序章|第.1,3章|終章|后記).*)替換1解說(shuō)表達(dá)式開(kāi)始的“”查找內(nèi)容必須是每一行的開(kāi)頭，這樣才不會(huì)匹配到正文中的“第N章”之類(lèi)的內(nèi)容。當(dāng)然，還是無(wú)法完全排除匹配到正文的可能性，因此要注意替換次數(shù)，如果次數(shù)和章節(jié)數(shù)目不符，就要留意了。通過(guò)“|”的使用，我們可以在一個(gè)表達(dá)式中就匹配到所有的內(nèi)容，要善用“|”。“第.1,3章”是一個(gè)保險(xiǎn)，最多匹配到“第九十九章”這樣的字符串，在實(shí)際使用中，往往只需要寫(xiě)“第.章”。如果是“第1章”這樣的，就可以用“第d章”來(lái)更精準(zhǔn)的匹配。3.5 自動(dòng)插入內(nèi)容原文本XXXX目標(biāo)文