Sigil正则表达式入门

实用标准文档
Sigil 正则表达式入门 正则表达式，是一种用特殊符号表示文字的方法，主要用在查找和替换方面。

下面的例子可以让你知道正则表达式是干什么用的。

在一个文本中，有这样的一些内容：
序章 第一章 ABCDEF 第二章 GHIJKL 第三章 ………… 终章
这种内容我们都很熟悉，你有没有想过，用什么办法可以把这些内容一次过 查找出来呢？
为了简化，我们先来看这个部分。

第一章 第二章 第三章
可以看到，这些内容有着极高的相似性，由“第”，“章”开头和结尾，中 间有着一些数字。

如果我们能用一个什么符号来代表中间的所有字，比如一个圆 点“.”，不就可以用这样的方式来查找出所有这样的内容了吗。

第.章
很早之前，就有人发明了一套完整的方案，让我们可以用各种不同的符号来 达到这种目的，那就是我们将要了解的正则表达式。

正则表达式作为一种描述字符的方案，在大量软件、编程语言中都有所运用， 而在这些不同的平台上，正则表达式的使用方式又往往会有或多或少的差异，在 某个平台上管用的表达式，换个地方可能就要改改才能正确运行。

那么在这篇文 章里，我们主要是讲 Sigil 中的正则表达式，至于推广应用，就要靠大家去查找 资料了。

1. 元字符
我们前面提到，正则表达式一个重要作用就是用特别的符号来代表一类字符， 而这些符号就叫做“元字符”。

这些元字符在大多数环境下都是通用的。

注意，元字符中所有符号都是半角符号，也就是通常说的英文符号。

文案大全


实用标准文档
以下是一些常见的元字符，实际上还有更多。

这些元字符都经过测试，在 Sigil 下有效。

符号 意义 说明
任意
.
一个
最简单的元字符，匹配任意字符，但不包括换行符“\n”。

字符
把元字符改变为普通字符，或者把某些普通字符转变为元
\
转义 字符。

比如，“\.”就是代表普通的点号，不代表其他字符。

半角空格、制表符等空白字符。

在 Sigil 中还能匹配到换
\s
空白 字符
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。

表示文章的换行，这是一个不可见符号，在例子中，这个 符号在“_”的位置。

\n
换行 符
aaa\n bbb
你能够通过“\n”找到换行符，但不能够插入换行符。

要 在替换结果中换行，需要用“\r”。

代表一个回车符。

这个符号不会在文本中出现，因此不能 查找到。

\r
回车
但是如果你需要在查找结果中插入一个换行，那么就要用
“\r”。

注意，插入后在文本中出现的仍然会是“\n”而不是“\r”。

任意
一个
\d
阿拉
伯数
字
任意
\D
一个 非阿
拉伯
也就是可以代表 0~9 中的任意一个。

0~9 以外的字符，同样的，不包括换行符“\n”
文案大全


实用标准文档
数字
即一行的开头。

Sigil 中不能单独使用，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”。

第二行因为行首是空格，因此匹配不到。

^
行首
abc
abc
abc
表示任意一行的结尾，不包括换行符。

在 Sigil 中不能单 独使用。

比如，“c$”表示位于行尾的“c”,能够匹配到第一行和
$
行尾 第二行的字母“c”。

abc
abc
abcd
表示一个或更多。

必须配用其他字符使用。

添加在一个字 符后面，表示一个或更多个该字符。

相当于“{1,}”
+
一或 更多
比如，“a+”表示一个以上的“a”，以下例子都能匹配到。

a
aa
aaa
表示尽可能少。

必须配合其他字符使用。

比如，“accccbb”中“a.*b”匹配到“accccbb”，而“a.*?b”
?
尽可 能少 就能只匹配到“accccb”。

※注意：在某些平台的正则表达式中，这一功能很可能由
“-”减号提供。

|
或
一个逻辑选择符。

“aa|bb”既可以匹配到“aa”也可以匹配到“bb”。

可以用到多个选项中，比如“aa|bb|cc”。

“1|2|3”相当于“[123]”。

*
尽可 能多
即无或更多。

相当于“{0,}”
文案大全


实用标准文档
{n,m}
表示匹配项的个数范围。

个数 范围
比如，“a{3}”表示“aaa”，“a{2,4}”表示“aa”或“aaa” 或“aaaa”，“a{1,}”表示一个以上的“a”。

注意，“a{,2}”应该表示两个以下的“a”，但是这种写 法在 Sigil 中无效，要写成“a{0,2}”。

“[]”本身匹配一个字符。

比如，“[abc]”匹配“a”、“b”或“c”。

通常不分顺 序，“”和“”一样。

“[]”中用“-”表示范围，“[a-z]”表能匹配到“a”到
[]
包含 “z”全部 26 个字母之一。

比如，“<0-9>”和“\d”是一样的，但是“\d”速度更快。

如果要在“[]”中匹配“-”本身，把“-”写在最前面， 或者把它转义“\-”。

比如“[-0-9]”，就能匹配所有阿拉伯数字和“-”。

“[]”的逆操作。

比如“a[^b]c”，能匹配到第二行，第三行。

abc
[^]
不包 含
adc
afc
注意，因为“[]”中符号是无序的，因此如果要排除字符 串，要用其他方法。

“(abc)”表示把“abc”分为一组。

分组后可以配合其他
元字符使用。

一个组称为一个捕获组。

()
捕获 组
比如，“(abc)+”就是一个或以上“abc”组合的意思。

捕获组中的内容会被记录并编号，可以通过“\0”“\1”
这种形式来引用。

(?:)
分组 /非 捕获 组
作用上与“()”类似，能把内容分为一组，但“(?:)”仅 有分组功能，不记录匹配内容。

也就是说，无法通过“\0”“\1” 等方式引用。

此元字符虽然消耗的资源更少，速度更快，在简单应用中 可能体验不到与“()”的区别。

\0，\1， 反向
配合分组使用，引用一个分组。

文案大全


实用标准文档
\2...
引用
比如，在查找时有分组“(abc)”，那么“\1”就代表“abc”。

有分组“a(bc)(de)f”，那么“\0”代表“abcdef”，“\1” 代表“bc”，“\2”代表“de”。

如此类推。

嵌套也是一样的，比如“(abc(def))”，“\1”代表“abcdef”， “\2”代表“def”。

同样地，也能在查找时应用。

比如有字符串“abc111abc”，那么表达式“(abc).*\1” 就能匹配到所有内容。

注：在其他平台中，可能使用的是$0，$1 等表示方法。

(?s)
放在表达式的最前端，使得“.”可以匹配到“\n”，从而 实现跨行匹配。

比如以下例子：
<div></div>
<h1></h1>
多行 匹配
<div></div> 使用正则表达式“<div>.*</div>”一次只能匹配到第一行 或者第三行。

而使用“(?s)<div>.*</div>”则能一次性匹配到第一行到 第三行所有内容。

注：这是 Sigil 特有元字符，其他平台有另外的方法实现 该功能。

注 2：此前缀和勾选“DotAll”效果一致。

(?U)
放在表达式的最前端，使得整个正则表达式实现最少匹配。

比如以下例子：
<div>AAA<div>BBB</div>CCC</div>
最少 匹配
正则表达式“<div>.*</div>”会匹配到整个句子。

而“(?U)<div>.*</div>”只会匹配到 “<div>AAA<div>BBB</div>”。

注：这是 Sigil 特有元字符，其他平台有另外的方法实现 该功能。

注 2：此前缀和勾选“Minimal Match”效果一致。

2. 常用正则表达式
文案大全


实用标准文档
在这一部分，我们回来看一些很常用的正则表达式，这些表达式往往是更复 杂表达式的组成部分。

2.1 所有字符
.* 匹配所有内容。

“.”代表一个字符，“*”代表任意多个，因此“.*”代表
“所有字符”。

比如 <div>.*</div>
表示<div>标签内的所有内容，可以依次匹配到下列各项 <div>AAACCCC</div> <div></div> <div>！！！！AAAAACCCC 啊啊啊啊</div>
但不能跨行，这样是匹配不到的。

<div> AAAAAA </div>
如果要跨行，需要使用“(?s)”。

2.2 空白行
^[ \t ]*$\n 匹配空白行的典型写法。

可以匹配无内容的行，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。

[]中包括的分别是空格“ ”，制表符“\t” 和全角空格“ ”。

也可以根据需要添加更多的字符。

2.3 行尾空白字符
[ \t ]+$
文案大全


实用标准文档
匹配出现在行尾的空白字符，比如空格。

思路和 2.2 一致，使用“$”把搜 查范围限定在结尾，使用了符号“+”确保最少有一个空白字符，否则会查找失 败。

2.4 压缩重复符号
查找。

+
替换。

很容易理解，把一个以上的“。

”，换成一个“。

”，从而达到压缩重复符 号的目的。

可以灵活改变，压缩各种重复的字符。

配合 2.2 的查找空白行，也能 实现压缩空白行。

3. 应用实例
在这一部分，我们会看一些 Sigil 使用过程中实际会用到的例子，方便各位 了解正则表达式的使用。

3.1 添加标签
你打算为所有的图片添加一个<div>，并且 class 为 images
原语句
<img src="Images/001.jpg" />
目标语句 <div class="images"><img src="Images/001.jpg" /></div>
使用元字符 . ，* ，\0
查找
<img.*/>
替换
<div class="images">\0</div>
解说： 查找以“<img”开头，“/>”结尾的所有句子，这个表达式默认分组为“0”, 因此可以用“\0”来引用。

如果你的文本中图片语句必定是独立一行的，可以直接使用“<img.*”这样 的简单句子。

同样的，也可以通过“/>”后面是否紧跟换行符“\n”来判断图片是否独立 一行，从而实现不同位置图片的匹配。

文案大全


实用标准文档
扩展： 同样的，你可以用这个方法为各种内容很方便的添加标签，如果你常常用到 这样的替换，不要忘记善用 Sigil 的搜索模板功能。

3.2 拼接断行
在一些文本中，会存在断行，我们要把这些断行重新拼接起来。

原文本
床前 明月光， 疑是地上 霜。

举头望 明月， 低头思故乡。

目标文本
床前明月光， 疑是地上霜。

举头望明月， 低头思故乡。

使用元字符 [^]，\n
查找
([^，。

])$\n
替换
\1
解说 其实所谓的断行，就是在不该换行的地方进行了换行，那么只要分析出不该 换行的特征就可以了。

在这个例子中，换行只应该出现在“，”和“。

”后面， 因此我们查找前面没有“，”或者“。

”的换行，并且将其删除就可以了。

因为使用的正则表达式会匹配到“\n”前面的一个字符，为了不把这个字符 也删除，所以要用“()”把这个字符保护起来。

扩展 实际上我们还可以使用“零宽断言”来达到这个效果，写法是“(?<![，。

]$)\n”, 直接替换为空，零宽断言本身就保护了字符。

但是作为一个入门应用，我还是先介绍使用“[^]”的方法，关于零宽断言， 有兴趣的朋友可以到这个网址了解： /rcom10002/acle/details/3159359
3.3 识别章节标题
这是很常见的一个需求，我们往往要为章节标题添加<h1>，<h2>之类的标签。

通 过 3.1 我们已经了解到如何添加标签，因此这里着重讲解如何识别标题。

文案大全


实用标准文档
原文本
序章 第一章 XXXX 第二章 CCCC 第三章 AAAA 终章 后记
目标文本
<h1>序章</h1> <h1>第一章 XXXX</h1> <h1>第二章 CCCC</h1> <h1>第三章 AAAA</h1> <h1>终章</h1> <h1>后记</h1>
使用元字符 . ，* ，()，\1，^，|，{m,n}
查找
^((序章|第.{1,3}章|终章|后记).*)
替换
<h1>\1</h1>
解说
表达式开始的“^”查找内容必须是每一行的开头，这样才不会匹配到正文 中的“第 N 章”之类的内容。

当然，还是无法完全排除匹配到正文的可能性，因 此要注意替换次数，如果次数和章节数目不符，就要留意了。

通过“|”的使用，我们可以在一个表达式中就匹配到所有的内容，要善用 “|”。

“第.{1,3}章”是一个保险，最多匹配到“第九十九章”这样的字符串， 在实际使用中，往往只需要写“第.章”。

如果是“第 1 章”这样的，就可以用 “第\d 章”来更精准的匹配。

3.5 自动插入<title></title>内容
原文本
<title></title> </head> <body> <h1>XXXX</h1>
目标文本
<title>XXXX</title> </head> <body> <h1>XXXX</h1>
使用元字符 . ，* ，()，\1，\2，(?s)，\n，\r
查找
(?s)<title></title>\n(.*<h1>(.*)</h1>)
替换
<title>\2</title>\r\1
文案大全


实用标准文档
解说 通说“()”的捕获群获取所需要的字符串，然后以逆向引用来达到插入内容 的目的。

使用 Sigil 的前置符“(?s)”使得“.*”可以匹配到换行符“\n”，因此表 达式可以匹配到“</head>...<h1>”之间的所有内容。

捕获组 1 保留<title>以外的所有内容，以便稍后恢复，捕获组 2 获取<h1> 中的内容，插入到<title>中去。

这个操作在 Sigil 中比较有用，因为 Sigil 默认是不会填写<title>内容的。

文案大全

。