正则表达式实战入门-PDF书签诞生记

对于正则表达式,有多少人一直停留在“卧槽,好NB”,但就是不会用的层面?才入门的时候笔者也感觉这东西很神秘呀,就像段誉学一阳指那会,知道它NB但就是发不出技能。
其实正则学精不易,但学会还是挺容易点的呀。

今天,笔者就带大家实战一下正则表达式在实际生产中应用:PDF书签整理。

准备:

  1. 整理后的数据该有的样子:
    笔者为了本文做好铺垫,专门写了一篇这样的文章:PDF 能一键生成书签,PdgCntEditor了解一下~
    这篇文章告诉我们啊,想要一键添加书签,你得先把书签数据整成这样子:
  2. 一份正则表达式心法小抄:


    小学英语
  3. 获取书签源数据的样子。
    本文用到的源数据是从PDF的目录页直接Ctrl+C,Ctrl+V而来,没整理前你看到的是这样的:


    Before

教程开始:

  1. 准备栏的 Step 1 可见,抽调前面字符和后面页码之间的小点就大事告成。
    但别拿Notepad直接替换小点为空白,要知道书签条目里面也有小点点哟。

  2. 观察一下小点前面的规律:


    • 小点的前面有时候是汉字,也有标点符号的情况, 还有字母。为了精确表示这种规律,我们凑个这个:[\w\u4e00-\u9fa5],\w 表示匹配大小写字母和数字,\u4e00-\u9fa5 是unicode编码,代表了所有汉字的集合。
    • 然后发现呀,这排小点和文字之间呢居然还紧接着一个空格,但有的地方又没有空格,所以我们敲个空格,然后紧接个 *,*号代表匹配前一个字符0次或者多次。
    • 紧挨着小点的前面的2个字符长度处理完了,那再往前面去的字符串我该怎么取呢?OK,很简单,就是一个点+一个星号.* ,点在正则里代表任意字符。星号上一句已经说明。
    • 最后呢,写上一个点做一个截断,测试下效果,注意:小点需要反斜杠转义,因为它在正则里面有意义。
    • 好啦下面我们看看我们匹配到了什么:


  3. Cool!基本上全匹配上了,但你有没有发现咱们把标点符号给漏了?比如问号?和右括号,就像这样:


    或者这样:

    • 我们加上 \S 来表示他们,句子结尾的标点符号只可能有一个,所以我们在后面紧接着加上?,问号表示匹配前一个字符0次或者1次。
    • 然后我们注意到那个截图中的问号前面好像还有个空格,好吧,再加上一个匹配空格一次 空格?,抱歉那个空格打在里面看不见就用汉字表示吧。
    • 再确认效果:


      完美!!
  4. 确认了前半部分的规律,我们再确认后半部分的规律:


    • 真容易,就是点的后面接一个空格然后接数字,数字有2位数的,想当然也知道有3位数的呀,一本书辣么厚!所以我给出这个样子的表达式:\. *\d+
    • 这个表达式表示:点的后面有0个或者多个空格,然后就是至少有一个数字。
    • 下面我们确认下效果吧:


      Good!!
  5. 下面我们整合一下这个表达式:

    • 左边:.*[\w\u4e00-\u9fa5] ?\S? *\. ,右边:\. *\d+
    • 很显然,想要整合他们,就要用个表达式表示中间那串小点点,我们这么写:\.+ ,表示匹配这个小点一次或者多次。
    • 综上,我们得到了这个:.*[\w\u4e00-\u9fa5] ?\S? *\.+ *\d+
    • 不出意外,它会匹配到一整行。下面我们看下效果:


      靠谱~

6.那怎么让中间的小点消失呢,这问题不错,下面我们来学点新知识:分组和替换模式

  • 分组可简单了,一对括号就分了一组 ,2对分2组...
    下面我们直接把我们前面找的规律进行分组,可以预见,我能将分成:目录条目+一串小点+数字(页码)
  • 按规律分组,我们得到了这个:(.*[\w\u4e00-\u9fa5] ?\S?)( *\.+ *)(\d+),表示目录条目一组,小点点一组,页码一组。
  • 下面我们看看效果,注意看左下角的位置:


    有点小不对劲?有的条目后边有个小点点
  1. 简单的修正:
  • 我们发现基本上取回了我们想要的东西,但有的目录条目后面怎么有个小点点啊。
    其实原因很简单,就是小点点呀也可以被\S代言。
  • 解决办法也很好办呀,直接干脆的声明我们不要小点点就好了嘛,表达式是这样子的:[^.]
  • 注意:小点在方括号里不需要转义哟,前面的向上的尖尖号表示取反,就是不要的意思。
  • 下面我们看看效果吧,是不是小点点不见了:


  1. 现在,我们就替换小点点为 制表符(Tab键):
  • 首先我们认识下分组里面的信息:


  • 待会呢,我们要取用的数据都有谁呀:$1 和 $3,把它们用水平制表符(Tab键)链接起来,我们的目的就达到了:


写到最后:

  1. 关于怎么导书签,感兴趣可以挪步上面提到的文章,或者下面的扩展阅读。
  2. 如果像本教程里的书签数据,它没有章节编号,想要整出这样的目录树,还要额外的排版,也简单,Notepad++ 长按 Alt 能拖拽多行 然后插入Tab键人工缩进呗!


  3. 要不要正则表达式可视化,就像这样:


    这是本案例写完后的正则表达式的可视化图
  4. 要不要酷炫的在线正则表达式编辑器,就像这样:


  5. 要不要酷炫的正则表达式编辑器,就像这样:


  6. 都别想了,不请顿饭我是不会告诉你的~

扩展阅读

  1. PDF 能一键生成书签,PdgCntEditor了解一下~
  2. 正则表达式工具 Match Tracer
  3. Regexper
  4. RegExr: Learn, Build, & Test RegEx
  5. learn-regex/README-cn.md at master · ziishaned/learn-regex
  6. Online regex tester and debugger: PHP, PCRE, Python, Golang and JavaScript(正则在线调试器 - 学习利器)

2020年10月16日

使用vs2019可以自动识别你键入的正则表达式并提供智能感知提示,太赞了!


最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 203,362评论 5 477
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,330评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 150,247评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,560评论 1 273
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,580评论 5 365
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,569评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,929评论 3 395
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,587评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,840评论 1 297
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,596评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,678评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,366评论 4 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,945评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,929评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,165评论 1 259
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 43,271评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,403评论 2 342

推荐阅读更多精彩内容

  • 正则表达式到底是什么东西?字符是计算机软件处理文字时最基本的单位,可能是字母,数字,标点符号,空格,换行符,汉字等...
    狮子挽歌阅读 2,134评论 0 9
  • 匹配中文:[\u4e00-\u9fa5] 英文字母:[a-zA-Z] 数字:[0-9] 匹配空格:[ ]匹配连续空...
    joker_fu阅读 4,175评论 0 0
  • 忘了从哪收集的资料了,放这儿,以备不时之需。 只能输入数字:"^[0-9]*$"。 只能输入n位的数字:"^\d{...
    study_monkey阅读 1,389评论 0 7
  • \d 代表 [0-9] \l 代表 [a-z] \u 代表 [A-Z] \a 代表 [A-Za-z] \w 代表 ...
    zhuoshao阅读 1,351评论 0 5
  • 核心知识点 正则的表达式的特殊符号 总结: 主要是用在表单验证、失去焦点onblur事件、使用ajax返回数据,并...
    每天进步一点点5454阅读 334评论 0 0