Sigil正则表达式入门

实用标准文案

文档大全 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，有这样的一些容：

序章

第一章 ABCDEF

第二章 GHIJKL

第三章 …………

终章

这种容我们都很熟悉，你有没有想过，用什么办法可以把这些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。 实用标准文案

文档大全 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0~9以外的字符，同样的，不包括换行符“\n” 实用标准文案

文档大全 拉伯数字

^ 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

abc

$ 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”。 实用标准文案

文档大全 “1|2|3”相当于“[123]”。

* 尽可能多 即无或更多。相当于“{0,}”

{n,m} 个数围 表示匹配项的个数围。

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，“”和“”一样。

“[]”中用“-”表示围，“[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。

捕获组中的容会被记录并编号，可以通过“\0”“\1”这种形式来引用。 实用标准文案

文档大全 (?:) 分组/非捕获组 作用上与“()”类似，能把容分为一组，但“(?:)”仅有分组功能，不记录匹配容。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：

使用正则表达式“

而使用“(?s)

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：

文档大全 正则表达式“

而“(?U)

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

.*

匹配所有容。“.”代表一个字符，“*”代表任意多个，因此“.*”代表“所有字符”。比如

表示

但不能跨行，这样是匹配不到的。

AAAAAA

如果要跨行，需要使用“(?s)”。

2.2 空白行

^[ \t ]*$\n 实用标准文案

文档大全 匹配空白行的典型写法。可以匹配无容的行，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

原语句

目标语句

使用元字符 . ，* ，\0

查找