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. 从准备栏的 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

7. 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:

  
  

8. 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！