最稳妥的正则为^#{1,6}\s+(.+)$，匹配1-6级标题且要求#后必有空格，避免误抓无空格伪标题；替换用$1提取纯文本，需勾选regular expression，结构化保留层级可用^(#{1,6})\s+(.+)$替换为$1 $2。
怎么用正则匹配 Markdown 标题（#、##、###）
Sublime 不识别 Markdown 语法，所谓“提取标题”，本质是用正则捕获以 # 开头、后跟空格和文字的行。最稳妥的写法是：^#{1,6}\s+(.+)$。它能匹配从一级到六级标题，且强制要求 # 后必须有空格——避免误抓 ##this_is_a_comment 这类无空格的伪标题。
常见错误现象：
- 只写
^#+\s.*$：会匹配到#####后面没内容的空标题行 - 漏掉
$：导致匹配跨行，比如一行末尾有#，下一行内容也被吞进去 - 未勾选
.*（Regular Expression）：+和^当字面量处理，完全不生效
为什么不能直接用 Find All 复制出纯标题文本
默认 Find All 会高亮整行匹配内容，但复制时粘贴的是原始行（含 # 符号和空格）。你真正想要的只是 (.+) 捕获组里的标题文字——Sublime 的 Find in Files 不支持“只导出 group”，所以得靠替换中转。
实操建议：
- 先在单文件测试：查找
^#{1,6}\s+(.+)$，替换为$1（确保勾选 Regular Expression） - 确认效果无误后，再切到
Replace in Files（Ctrl+Shift+H），填同样正则和$1，指定路径如./docs/**/*.md - 替换前务必点
Find预览，防止误改代码块里以#开头的注释行
提取后怎么保留层级结构并去重
单纯替换掉 # 会丢失标题级别信息，后续无法区分哪是章节哪是子节。如果需要结构化输出（比如生成目录），得把级数也捕获进来。
pdf文档转markdown
下载
将PDF文件（含扫描件、图片）转换为Markdown格式。接入MinerU和PaddleOCR双引擎，支持扫描件OCR识别、公式表格解析、多语言识别。兼容本地OCR识别。
推荐正则：^(#{1,6})\s+(.+)$，替换为：$1 $2（例如 ### API → ### API）或更清晰的 [$2](#$2)（需额外 URL 友好化处理）。
去重注意点：
- Sublime 原生不支持去重，需安装
Package Control的Remove Duplicate Lines - 先全选结果 → Ctrl+Shift+P → 输入
Sort Lines→ 回车 → 再执行Remove Duplicate Lines - 别跳过排序：重复行必须相邻，
Remove Duplicate Lines才有效
容易被忽略的 Markdown 边界问题
标题行前后可能夹着 HTML 注释、代码块或缩进列表，正则一松就串行。比如：
```js // # not a heading ``` # This is real
上面的 # not a heading 不该被提取。解决方法：
- 手动折叠非 Markdown 区域：Ctrl+Shift+P →
Fold Tags或Fold Comments - 加负向先行断言（仅限 Sublime 4+）：
^(?!```|^>|^ {4}).{1,6}#\s+(.+)$，排除代码块、引用块、缩进行 - 更稳的做法：先用
Find in Files提取所有疑似标题行，粘贴到新文件，再人工删干扰项——对关键文档，半自动比全自动可靠
