1、Sigil正則表達式入門正則表達式，是一種用特殊符號表示文字的方法，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式是干什么用的。在一個文本中，有這樣的一些內容：序章第一章 ABCDEF第二章 GHIJKL第三章 終章這種內容我們都很熟悉，你有沒有想過，用什么辦法可以把這些內容一次過查找出來呢？為了簡化，我們先來看這個部分。第一章第二章第三章可以看到，這些內容有著極高的相似性，由“第”，“章”開頭和結尾，中間有著一些數(shù)字。如果我們能用一個什么符號來代表中間的所有字，比如一個圓點“.”，不就可以用這樣的方式來查找出所有這樣的內容了嗎。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、用各種不同的符號來達到這種目的，那就是我們將要了解的正則表達式。正則表達式作為一種描述字符的方案，在大量軟件、編程語言中都有所運用，而在這些不同的平臺上，正則表達式的使用方式又往往會有或多或少的差異，在某個平臺上管用的表達式，換個地方可能就要改改才能正確運行。那么在這篇文章里，我們主要是講Sigil中的正則表達式，至于推廣應用，就要靠大家去查找資料了。1. 元字符我們前面提到，正則表達式一個重要作用就是用特別的符號來代表一類字符，而這些符號就叫做“元字符”。這些元字符在大多數(shù)環(huán)境下都是通用的。注意，元字符中所有符號都是半角符號，也就是通常說的英文符號。以下是一些常見的元字符，實際上還有更多。這

3、些元字符都經過測試，在Sigil下有效。符號意義說明.任意一個字符最簡單的元字符，匹配任意字符，但不包括換行符“n”。轉義把元字符改變?yōu)槠胀ㄗ址?，或者把某些普通字符轉變?yōu)樵址?。比如，?”就是代表普通的點號，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，這是一個不可見符號，在例子中，這個符號在“_”的位置。aaanbbb你能夠通過“n”找到換行符，但不能夠插入換行符。要在替換結果中換行，需要用“r”。r回車代表一個回車符。這個符號不會在文本中出現(xiàn)，因此不能查

4、找到。但是如果你需要在查找結果中插入一個換行，那么就要用“r”。注意，插入后在文本中出現(xiàn)的仍然會是“n”而不是“r”。d任意一個阿拉伯數(shù)字也就是可以代表09中的任意一個。D任意一個非阿拉伯數(shù)字09以外的字符，同樣的，不包括換行符“n”行首即一行的開頭。Sigil中不能單獨使用，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”。第二行因為行首是空格，因此匹配不到。abcabcabc$行尾表示任意一行的結尾，不包括換行符。在Sigil中不能單獨使用。比如，“c$”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+一或更多表示一個或更

5、多。必須配用其他字符使用。添加在一個字符后面，表示一個或更多個該字符。相當于“1,”比如，“a+”表示一個以上的“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：在某些平臺的正則表達式中，這一功能很可能由“-”減號提供。|或一個邏輯選擇符?！癮a|bb”既可以匹配到“aa”也可以匹配到“bb”?？梢杂玫蕉鄠€選項中，比如“aa|bb|cc”。“1|2|3”相當于“123”。*盡可能多即無或更多。相當于“0,”n,m個數(shù)范圍表示匹配項的個數(shù)范圍。比

6、如，“a3”表示“aaa”，“a2,4”表示“aa”或“aaa”或“aaaa”，“a1,”表示一個以上的“a”。注意，“a,2”應該表示兩個以下的“a”，但是這種寫法在Sigil中無效，要寫成“a0,2”。包含“”本身匹配一個字符。比如，“abc”匹配“a”、“b”或“c”。通常不分順序，“”和“”一樣?！啊敝杏谩?”表示范圍，“a-z”表能匹配到“a”到“z”全部26個字母之一。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“-”寫在最前面，或者把它轉義“-”。比如“-0-9”，就能匹配所有阿拉伯數(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，因為“”中符號是無序的，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。一個組稱為一個捕獲組。比如，“(abc)+”就是一個或以上“abc”組合的意思。捕獲組中的內容會被記錄并編號，可以通過“0”“1”這種形式來引用。(?:)分組/非捕獲組作用上與“()”類似，能把內容分為一組，但“(?:)”僅有分組功能，不記錄匹配內容。也就是說，無法通過“0”“1”等方式引用。此元字符雖然消耗的資源更少，速度更快，在簡單應用中可能體驗不到與“()”的區(qū)別。0，1，2.反向引用配合分組使用，引用一個分組。比

8、如，在查找時有分組“(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，也能在查找時應用。比如有字符串“abc111abc”，那么表達式“(abc).*1”就能匹配到所有內容。注：在其他平臺中，可能使用的是$0，$1等表示方法。(?s)多行匹配放在表達式的最前端，使得“.”可以匹配到“n”，從而實現(xiàn)跨行匹配。比如以下例子：使用正則表達式“.*”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容。注：這是Sigil特有元字符，其他平臺有另外的方法實現(xiàn)該功能。注2：此前綴和勾選“DotAll”效果一致。(?U)最少匹配放在表達式的最前端，使得整個正則表達式實現(xiàn)最少匹配。比如以下例子：AAABBBCCC正則表達式“.*”會匹配到整個句子。而“(?U).*”只會匹配到“AAABBB”。注：這是Sigil特有元字符，其他平臺有另外的方法實現(xiàn)該功能。注2：此前綴和勾選“Minimal Match”效果一致。2. 常用正則表達式在這一部分，我們回來看一些很常用的正則表達式，這些表達式往往是更復雜表達式的組成部分。2.1 所有字符.*匹配所有內容。“.”

10、代表一個字符，“*”代表任意多個，因此“.*”代表“所有字符”。比如.*表示標簽內的所有內容，可以依次匹配到下列各項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 *$n匹配空白行的典型寫法?？梢云ヅ錈o內容的行，只有空格的行，只有制表符的行或者空格和制表符混合排列的行。中包括的分別是空格“ ”，制表符“t”和全角空格“”。也可以根據(jù)需要添加更多的字符。2.3 行尾空白字符t+$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尾，使用了符號“+”確保最少有一個空白字符，否則

11、會查找失敗。2.4 壓縮重復符號查找。+替換。很容易理解，把一個以上的“?！?，換成一個“?！?，從而達到壓縮重復符號的目的。可以靈活改變，壓縮各種重復的字符。配合2.2的查找空白行，也能實現(xiàn)壓縮空白行。3. 應用實例在這一部分，我們會看一些Sigil使用過程中實際會用到的例子，方便各位了解正則表達式的使用。3.1 添加標簽你打算為所有的圖片添加一個，并且class為images原語句目標語句使用元字符. ，* ，0查找替換0解說：查找以“”結尾的所有句子，這個表達式默認分組為“0”,因此可以用“0”來引用。如果你的文本中圖片語句必定是獨立一行的，可以直接使用“”后面是否緊跟換行符“n”來判斷圖片

12、是否獨立一行，從而實現(xiàn)不同位置圖片的匹配。擴展：同樣的，你可以用這個方法為各種內容很方便的添加標簽，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，會存在斷行，我們要把這些斷行重新拼接起來。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解說其實所謂的斷行，就是在不該換行的地方進行了換行，那么只要分析出不該換行的特征就可以了。在這個例子中，換行只應該出現(xiàn)在“，”和“?！焙竺?，因此我們查找前面沒有“，”或者“?！钡膿Q行，并且將其刪除就可以了。因為使用的正

13、則表達式會匹配到“n”前面的一個字符，為了不把這個字符也刪除，所以要用“()”把這個字符保護起來。擴展實際上我們還可以使用“零寬斷言”來達到這個效果，寫法是“(?!，。$)n”,直接替換為空，零寬斷言本身就保護了字符。但是作為一個入門應用，我還是先介紹使用“”的方法，關于零寬斷言，有興趣的朋友可以到這個網址了解：/rcom10002/acle/details/3.3 識別章節(jié)標題這是很常見的一個需求，我們往往要為章節(jié)標題添加，之類的標簽。通過3.1我們已經了解到如何添加標簽，因此這里著重講解如何識別標題。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解說表達式開始的“”查找內容必須是每一行的開頭，這樣才不會匹配到正文中的“第N章”之類的內容。當然，還是無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“|”的使用，我們可以在一個表達式中就匹配到所有的內容，要善用“|”?！暗?1,3章”是一個保險，最多匹配到“第九十九章”這樣的字符串，在實際使用中，往往只需要寫“第.章”。如果是“第1章”這樣的，就可以用“第d章”來更精準的匹配。3.5 自動插入內容原文本XXXX目標文