【内容简介】
- 文本导入
- 查找替换功能
- 搜索模板功能
- 插入图片
- 制作目录
- 选定封面
【相关知识】
《Sigil正则表达式的入门》
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。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 |
| . | 任意一个字符 | 最简单的元字符，匹配任意字符，但不包括换行符“\n”。 |
| \ | 转义 | 把元字符改变为普通字符，或者把某些普通字符转变为元字符。 比如，“\.”就是代表普通的点号，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中还能匹配到换行符“\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 | 换行符 | 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。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”。 |
| \r | 回车 | 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。 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”。 |
| \d | 任意一个阿拉伯数字 | 也就是可以代表0~9中的任意一个。 |
| \D | 任意一个非阿拉伯数字 | 0~9以外的字符，同样的，不包括换行符“\n” |
| ^ | 行首 | 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。 abc abc abcd |
| $ | 行尾 | 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第二行的字母“c”。 abc abc abcd |
| + | 一或更多 | 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,}” 比如，“a+”表示一个以上的“a”，以下例子都能匹配到。 a aa aaa |
| ? | 尽可能少 | 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”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,}” |
| {n,m} | 个数范围 | 表示匹配项的个数范围。 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}”。 |
| [] | 包含 | “[]”本身匹配一个字符。 比如，“[abc]”匹配“a”、“b”或“c”。通常不分顺序，“[abc]”和“[bca]”一样。 “[]”中用“-”表示范围，“[a-z]”表能匹配到“a”到“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“-”。 |
| [^] | 不包含 | “[]”的逆操作。 比如“a[^b]c”，能匹配到第二行，第三行。abc 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。 |
| () | 捕获组 | “(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。 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，\2… | 反向引用 | 配合分组使用，引用一个分组。 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，$1等表示方法。 |
| (?s) | 多行匹配 | 放在表达式的最前端，使得“.”可以匹配到“\n”，从而实现跨行匹配。 比如以下例子：<div></div> <h1></h1> <div></div> 使用正则表达式“<div>.*</div>”一次只能匹配到第一行或者第三行。 而使用“(?s)<div>.*</div>”则能一次性匹配到第一行到第三行所有内容。 注：这是Sigil特有元字符，其他平台有另外的方法实现该功能。 注2：此前缀和勾选“DotAll”效果一致。 |
| (?U) | 最少匹配 | 放在表达式的最前端，使得整个正则表达式实现最少匹配。 比如以下例子：<div>AAA<div>BBB</div>CCC</div> 正则表达式“<div>.*</div>”会匹配到整个句子。 而“(?U)<div>.*</div>”只会匹配到“<div>AAA<div>BBB</div>”。 注：这是Sigil特有元字符，其他平台有另外的方法实现该功能。 注2：此前缀和勾选“Minimal Match”效果一致。 |
2. 常用正则表达式
在这一部分，我们回来看一些很常用的正则表达式，这些表达式往往是更复杂表达式的组成部分。
2.1 所有字符
.*
匹配所有内容。“.”代表一个字符，“”代表任意多个，因此“.”代表“所有字符”。比如<div>.*</div>
表示<div>标签内的所有内容，可以依次匹配到下列各项<div>AAACCCC</div> <div></div> <div>！！！！AAAAACCCC啊啊啊啊</div>
但不能跨行，这样是匹配不到的<div> AAAAAA </div>
如果要跨行，需要使用“(?s)”。
2.2 空白行
^[ t ]*$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 ]+$
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“$”把搜查范围限定在结尾，使用了符号“+”确保最少有一个空白字符，否则会查找失败。
2.4 压缩重复符号
查找：。+
替换：。
很容易理解，把一个以上的“。”，换成一个“。”，从而达到压缩重复符号的目的。可以灵活改变，压缩各种重复的字符。配合2.2的查找空白行，也能实现压缩空白行。
3. 应用实例
在这一部分，我们会看一些 Sigil 使用过程中实际会用到的例子，方便各位了解正则表达式的使用。
3.1 添加标签
你打算为所有的图片添加一个<div>，并且class为images
| 原语句 | <img src=”Images/001.jpg” /> |
| 目标语句 | <div class=”images”><img src=”Images/001.jpg” /></div> |
| 使用元字符 | . ，* ，\0 |
| 查找 | <img.*/> |
| 替换 | <div class=”images”>\0</div> |
解说： 查找以“<img”开头，“/>”结尾的所有句子，这个表达式默认分组为“0”,因此可以用“0”来引用。 如果你的文本中图片语句必定是独立一行的，可以直接使用“<img”这样的简单句子。 同样的，也可以通过“/>”后面是否紧跟换行符“n”来判断图片是否独立一行，从而实现不同位置图片的匹配。 扩展： 同样的，你可以用这个方法为各种内容很方便的添加标签，如果你常常用到这样的替换，不要忘记善用Sigil的搜索模板功能。
3.2 拼接断行
在一些文本中，会存在断行，我们要把这些断行重新拼接起来。
| 原文本 | 床前 明月光， 疑是地上 霜。 举头望 明月， 低头思故乡。 |
| 目标文本 | 床前明月光， 疑是地上霜。 举头望明月， 低头思故乡。 |
| 使用元字符 | [^]，\n |
| 查找 | ([^，。])$\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： http://blog.csdn.net/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。
| 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 |
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。
评论 (0)