2022年1月31日星期一

使用正则表达式进行中文排版

  中文排版是字处理的一个基本功能,目前有些文字排版软件,例如“排版助手”等等,可以完成一些通用的中文排版功能,但是对于一些复杂的个性化排版功能就无法实现,实际上,我们通过在一些常用的支持正则的代码编辑软件里,使用正则表达式,就可以完成很多复杂的排版功能,下面将举一些常用的例子。

  代码编辑软件可使用Notepad++或Editplus,两者的正则表达式对于换行有一点点差别,一个用\r\n,另一个用\n。下面以Editplus为例,讲述一下操作方法,先用Editplus打开一个中文文件,然后点“替换”,点击“使用正则表达式”,然后在“查找项”和“替换项”里输入以下字符串,即可实现特定的排版功能。

  此外,在“替换”界面中点“常用项”,可以把经常使用的规则保存为功能列表,这样,使用某个功能的时候,直接调用即可获取相关代码。

  〇、常见匹配类

  匹配中文字符的正则表达式: [\u4e00-\u9fa5]

  匹配双字节字符(包括汉字在内):[^\x00-\xff]

  匹配特殊字符 :((?=[\x21-\x7e]+)[^A-Za-z0-9])

  匹配所有的半角空白字符:[ \f\r\t\n]

  匹配隐藏字符:[\u0000-\u001F]

  一、段落排版类

  1、非段落换行排版(要求段落之间空一行)

  查找项:([^\n])\n
  替换项:\1

  2、插入空行

  查找项:\n
  替换项:\n\n

  3、删除空行

  查找项:^\s*\n
  替换项:空

  4、行首批量添加(替换项为2个空格时可实现首行缩进)

  查找项:^
  替换项:我是行首aaa

  5、行尾批量添加

  查找项:\n
  替换项:bbb我是行尾\n

  6、半角引号替换为全角引号

  查找项:\"([^\"\']*)\"
  替换项:“\1”

  7、半角单引号替换全角

  查找项:\'([^\"\']*)\'
  替换项:‘\1’

  8、固定宽度加硬回车(下例为宽度50)

  查找项:(.{1,50})
  替换项:\1\n

  二、删除特定字符串类

  1、删除行前空格

  查找项:^[ \s]*
  替换项:空

  2、删除行尾空格

  查找项:[ \s]*$
  替换项:空

  3、删除包含指定关键字的行

  查找项:^.*(指定关键字).*$
  替换项:空

  4、删除以指定关键字开头的行

  查找项:^(指定关键字)[^\n]+\n
  替换项:空

  5、删除HTML注释

  查找项:<!--(.*?)-->
  替换项:空

  6、删除HTML标签

  查找项:<[^>]+>
  替换项:空

  7、删除HTML标签内的全部

  查找项:<(.*)>.*<\/\1>|<(.*) \/>
  替换项:空

  三、中文汉字处理类

  1、中文和英文之间加空格

  查找项:([\u4e00-\u9fa5]+)([A-Za-z]+)
  替换项:\1 \2

  2、英文和中文之间加空格

  查找项:([A-Za-z]+)([\u4e00-\u9fa5]+)
  替换项:\1 \2

  3、中文和数字之间加空格

  查找项:([\u4e00-\u9fa5]+)([0-9]+)
  替换项:\1 \2

  4、数字和中文之间加空格

  查找项:([0-9]+)([\u4e00-\u9fa5]+)
  替换项:\1 \2

  5、上述替换整合

  查找项:([\u4e00-\u9fa5]+)([A-Za-z]+)|([A-Za-z]+)([\u4e00-\u9fa5]+)|([0-9]+)([\u4e00-\u9fa5]+)|([\u4e00-\u9fa5]+)([0-9]+)

  6、删除硬回车

  查找项:([0-9]+)([\u4e00-\u9fa5]+)
  替换项:\1 \2

  四、章节处理类

  1、序号变为章节

  查找项:\n([\u4e00-\u9fa5]{1,2})\n
  替换项:\n第\1章\n
 
  2、章节之间加换行

  查找项:第(.*)章
  替换项:\n第\1章

  3、章节样式替换

  查找项:<p>(第.{1,5}章.*)</p>
  替换项:<h1>\1</h1>