使用Sublime正则表达式清洗大文本数据的教程

浅雪小哥_2370

浅雪小哥_2370

2026-10-14

826人浏览

原创

必须关掉“. matches newline”才能让^\s*$正确匹配空行,否则^和$失效;replace with框须完全为空;中文混排时需手动扩展空白字符集,如\u3000、\u200b等。

使用sublime正则表达式清洗大文本数据的教程

Sublime Text 处理大文本数据,不是靠“教程感”堆砌步骤,而是靠三件事卡死:正则写对、环境调对、操作顺序对。错一个,就白忙半小时。

为什么^\s*$删不干净空行?必须关掉 . matches newline

^\s*$ 看似万能,但一粘贴网页或 Excel 数据就漏删——根本不是表达式问题,是 Sublime 默认让 . 匹配换行符(\n)导致锚点 ^ 和 $ 失效。它会把多行内容当成一行去匹配,^\s*$ 就永远找不到“空行”。

  • 务必点击查找面板右下角的 \n 图标,让它处于未高亮状态(即禁用 . 匹配换行)
  • Replace With 框必须完全为空,填一个空格或 \n 都会导致每删一行反而多塞一个换行
  • 中文输入法(如搜狗)常劫持 Ctrl+H 或阻止粘贴,建议切英文输入法后手动敲 ^\s*$

中文混排时\s根本不管用:全角空格、零宽空格得手动加

\s 只认 ASCII 空白( 、\t、\r、\n),对中文全角空格(\u3000)、零宽空格(\u200b)、不间断空格(\u00a0)完全视而不见。这就是你删完还“看着空、实则删不掉”的原因。

LongShot
LongShot

一款面向长篇内容创作和SEO写作的AI写作工具,可辅助进行文章生成、内容优化和搜索引擎友好的文本制作。

下载
  • 查全角空格:直接复制一个进查找框,或输 \u3000
  • 批量清理混合空白:用 [ \t\n\r\f\v\u3000\u00A0\u2000-\u200B\u2028\u2029]+ 替换为单个半角空格
  • 若要保留段落间空行,改用 [ \t\r\f\v\u3000\u00A0\u2000-\u200B\u2028\u2029]+(?=\S),只匹配“后面紧跟非空白字符”的空白块

跨行匹配别用.*:[\s\S]才是可靠写法

想删 JSDoc 注释块 /** ... */ 或 HTML 标签对?写 /\*\*.*\*/ 一定失败——因为 . 默认不匹配换行符。Sublime 的 PCRE 引擎不会自动开启跨行模式。

  • 用 [\s\S] 代替 .*:/\*\*[\s\S]*?\*/ 才能真正匹配任意长度、含换行的注释块
  • 贪婪控制很重要:一定要用 *?(非贪婪),否则 [\s\S]* 会从第一个 /** 一路吃到文件末尾最后一个 */
  • 删 HTML 标签优先用 ]*>,它靠否定字符集避开 img alt="A 这类陷阱;若标签被折行(<code><div>),先统一换行符:<code>(?:\r\n|\r|\n)+ → \n,再跑 ]*>

    提取字段时捕获组别乱用$1:Alt+F3 + 光标微调更可控

    比如要把 JSON 中所有 "id": "123" 改成 "id": "user_123",很多人直接写替换为 "id": "user_$1",结果引号错位、逗号丢失、格式崩坏。

    • 正确路径:先用正则 "id"\s*:\s*"(\w+)" 查找 → 按 Alt+F3 选中全部匹配项 → 此时光标落在引号内开头(因捕获组没被选中)→ 按 ← 左箭头一次 → 输入 user_
    • 这样避免了替换逻辑和格式细节耦合,尤其适合要加前缀/后缀+补符号的场景
    • 如果后续要统一补引号或逗号,先用正则替换预留占位符(如 "id": "user_$1"),再用多光标统一调整

    大文本清洗最易忽略的其实是编码和文件大小限制:Sublime 默认对 >10MB 文件禁用正则查找,且中文系统下常以 GBK 读取 UTF-8 内容,导致乱码变方块。这些不在正则里,但在你点下 Replace All 前,必须先确认 File → Reopen with Encoding → UTF-8 和右下角显示的换行符类型。

相关文章

PHP速学视频免费教程(入门到精通)
PHP速学视频免费教程(入门到精通)

PHP怎么学习?PHP怎么入门?PHP在哪学?PHP怎么学才快?不用担心,这里为大家提供了PHP速学教程(入门到精通),有需要的小伙伴保存下载就能学习啦!

下载

本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn

相关专题

更多
js正则表达式
js正则表达式

php中文网为大家提供各种js正则表达式语法大全以及各种js正则表达式使用的方法,还有更多js正则表达式的相关文章、相关下载、相关课程,供大家免费下载体验。

2023.06.20

4196

8

正则表达式不包含
正则表达式不包含

正则表达式,又称规则表达式,,是一种文本模式,包括普通字符和特殊字符,是计算机科学的一个概念。正则表达式使用单个字符串来描述、匹配一系列匹配某个句法规则的字符串,通常被用来检索、替换那些符合某个模式的文本。php中文网给大家带来了有关正则表达式的相关教程以及文章,希望对大家能有所帮助。

2023.07.05

2741

4

java正则表达式语法
java正则表达式语法

java正则表达式语法是一种模式匹配工具,它非常有用,可以在处理文本和字符串时快速地查找、替换、验证和提取特定的模式和数据。本专题提供java正则表达式语法的相关文章、下载和专题,供大家免费下载体验。

2023.07.05

7482

9

java正则表达式匹配字符串
java正则表达式匹配字符串

在Java中,我们可以使用正则表达式来匹配字符串。本专题为大家带来java正则表达式匹配字符串的相关内容,帮助大家解决问题。

2023.08.11

792

5

正则表达式空格
正则表达式空格

正则表达式空格可以用“\s”来表示,它是一个特殊的元字符,用于匹配任意空白字符,包括空格、制表符、换行符等。本专题为大家提供正则表达式相关的文章、下载、课程内容,供大家免费下载体验。

2023.08.31

520

5

Python爬虫获取数据的方法
Python爬虫获取数据的方法

Python爬虫可以通过请求库发送HTTP请求、解析库解析HTML、正则表达式提取数据,或使用数据抓取框架来获取数据。更多关于Python爬虫相关知识。详情阅读本专题下面的文章。php中文网欢迎大家前来学习。

2023.11.13

673

12

正则表达式空格如何表示
正则表达式空格如何表示

正则表达式空格可以用“\s”来表示,它是一个特殊的元字符,用于匹配任意空白字符,包括空格、制表符、换行符等。想了解更多正则表达式空格怎么表示的内容,可以访问下面的文章。

2023.11.17

386

3

正则表达式中如何匹配数字
正则表达式中如何匹配数字

正则表达式中可以通过匹配单个数字、匹配多个数字、匹配固定长度的数字、匹配整数和小数、匹配负数和匹配科学计数法表示的数字的方法匹配数字。更多关于正则表达式的相关知识详情请看本专题下面的文章。php中文网欢迎大家前来学习。

2023.12.06

719

7

php正则表达式有哪些
php正则表达式有哪些

php正则表达式有"/pattern/"、"^"、"$"、"."、"[]"、"[^]"、"[a-z]"、"[A-Z]"、"[0-9]"、"\d"、"\D"、"\w"、"\W"、&a

2024.02.23

312

5

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
相关推荐
/
热门推荐
/
最新课程