Notepad正则表达式替换这个技能我在文本处理这条路上用了快十年越用越觉得是性价比最高的那一档。很多人一看到正则就头皮发麻觉得是程序员专属的黑魔法但实际上只要你手里有一份乱糟糟的日志、一批需要批量改名的文件、一堆格式不统一的表格数据你会比谁都迫切地想要学会它。正则表达式在 Notepad 里就是一把万能钥匙它能帮你在一秒钟之内完成过去手动操作半小时的整理工作而且极少出错。这篇文章不是教科书我尽量用干活时候的真实场景来拆解。你不需要背语法表只需要跟着案例走一遍自己上手改两个文件基本就能掌握这套东西。它适合谁文本编辑重度用户、测试人员、数据分析上手阶段的新手、还有那些每天和导入导出数据打交道的运营同学。我会把常用语法、分组捕获、反向引用、贪婪匹配这些概念用大白话讲清楚再配上几个可以直接抄作业的实操案例最后把我在实际使用中踩过的坑一并列出来。1. 先搞清楚正则表达式在 Notepad 里到底能做什么1.1 什么时候值得用正则替换先说结论普通查找替换解决不了的问题才是正则上场的时机。比如你要把一篇文章里所有的 “第1章” 改成 “第01章”手动改倒也不难但如果有几百个章节标题呢再比如你导出一份数据表日期格式统一是2024/1/5但系统要求必须补成2024-01-05这种带前导零的格式这要是人工处理眼睛都能看花。正则表达式本质上是“模式匹配”。它不是帮你找某个固定的词而是帮你找“符合某种规律”的一批文本。这就解释了它的核心价值批量处理有规律但无固定内容的文本。在 Notepad 的替换对话框里勾选“正则表达式”模式之后查找目标和替换内容都不是字面文本而是模式。你能在替换内容里引用匹配到的部分、随意调整顺序、删除冗余内容、在每行开头插入固定字符这些都是普通替换做不到的。不过我也得泼一盆冷水正则不是万能的尤其不适合处理结构化嵌套太深的内容比如复杂的HTML标签嵌套。遇到这种情况还是优先考虑用专门的数据工具或者写脚本。正则适合的是“半结构化的文本清洗”比如日志分析、CSV/TSV整理、代码批量改动、文本格式统一。这个定位想清楚你才不会在用正则是陷入泥潭。1.2 Notepad 的查找替换界面与正则引擎Notepad 的查找替换窗口有一个很容易被忽略的地方底部的“搜索模式”单选框。很多人习惯了默认的“普通”模式从来没切到过“正则表达式”。切过去之后lookaround、捕获分组这些功能就都可以用了。这里必须提醒一个版本差异Notepad 在 6.0 之前的旧版本里内嵌的是 Lua 模式的正则语法兼容性一般。现在主流版本用的都是 PCREPerl Compatible Regular Expressions引擎语法和 Perl 基本一致。我建议使用时先确认一下你的软件版本不要拿旧教程里的语法硬套否则有些写法比如\h、\K会报错或者直接匹配不到。另外还有个细节在替换内容里不同工具对“捕获组引用”的写法不一样。Notepad 里用的是$1、$2这种方式也可以兼容\1这种写法。好多从 EditPlus 或者其他编辑器转过来的人习惯性写\1在 Notepad 里也能用但我会更推荐统一用$1理由后面讲反向引用的时候细说。2. 语法核心分组、捕获、反向引用都怎么用2.1 基础字符匹配别急着写先把要查的东西“翻译”成表达式在动手写正则之前我建议你先做一件事把你要处理的文本样本贴在脑子里一句一句看它到底有什么共性。比如你有这样三行文本订单号: A10001 金额: 238.50 订单号: A10002 金额: 19.00 订单号: A10003 金额: 899.99如果想提取金额共性就是“金额: ”后面跟的是数字和小数点。那对应的正则就是金额: (\d\.\d)。这里的\d表示数字表示一个或多个\.是因为小数点本身是个元字符必须用反斜杠转义才能表示字面上的小数点。括号则负责把金额部分捕获成一个单独的分组方便后面替换时引用。这种翻译过程就是正则的核心思维。元字符本身没有多复杂常用的就那几个.表示任意字符\d数字、\w字母数字下划线、\s空白字符*表示零个或多个一个或多个?零个或一个。你不需要背完所有高级特性这几个加上分组已经能覆盖大部分场景。2.2 分组捕获与反向引用 $1 怎么用分组的概念我多说两句因为很多人卡就卡在这。正则里的()不只是把字符包起来它还有一个捕获的作用匹配到的内容会按括号出现的顺序编上号。第一个左括号对应的分组是$1第二个是$2以此类推。举个例子你想把文本里所有2024-03-15 12:30:45这样的时间戳改成03/15/2024 12:30。传统做法是先找日期部分、再找时间部分。用正则就是查找(\d{4})-(\d{2})-(\d{2}) (\d{2}):(\d{2}):\d{2}然后替换成$2/$3/$1 $4:$5。这里的数字不是凭空来的它对应你括号的排列顺序。写的时候可以数一下$1是年份$2是月份$3是日$4是小时$5是分钟。排列顺序和匹配顺序是从左到右数括号不是从内容里数。我在实操中更推荐$1而不是\1原因是$1在替换内容里边界清晰。如果你后面要拼接数字写$1_后缀是一目了然的而写成\1_后缀有可能会被引擎误解为\1_这种八进制转义导致结果完全不对。这种坑我踩过一次当时替换结果全是空字符串排查了半天才发现是\1后面直接跟了下划线。2.3 贪婪与懒惰为什么.*总是匹配过头新手最容易犯的错误就是用.*匹配到完全不该匹配的内容。比如有一行 HTMLdiv classa第一段/divdiv classb第二段/div你想把div classa后面的一段内容提取出来写了个classa.*/div结果匹配到的是从classa一直到最后那个/div中间的一大段全被吞进去了。这就是贪婪匹配。默认情况下*和都是贪婪的它们会尽量往长了匹配。解决办法就是让量词变得懒惰在*或后面加上?写成.*?或?。意思就是“匹配到第一个可能的结束位置就停止”。同样上面那个例子改成classa.*?/div就能准确截取第一段内容。我用一个更生活化的比喻贪婪是“能多拿就多拿”懒惰是“拿到够用就收手”。还有一个务实建议很多场景下与其纠结贪婪懒惰不如把匹配范围写得更具体。比如用[^]*来匹配不包含的任意字符这样就不需要依赖懒惰模式了。这种方法在处理类 HTML 或类标记语言时稳定很多不容易因为忘了转义导致意外匹配。2.4 替换内容里的修饰符(?i)、(?s)、(?m)正则表达式里面有一类叫“模式修饰符”是在表达式里直接加上去改变匹配规则的。虽然不算高频操作但偶尔你一定会遇到查找时想要忽略大小写或者想要让.能匹配换行符。忽略大小写就是在正则开头加(?i)比如(?i)error能同时匹配error、Error、ERROR。这一招在过滤日志时特别管用因为日志里的错误级别写法五花八门。还有一个(?s)它让.能匹配换行符这样你就把多行文本当成一整块来处理。想要匹配“从某一段开始一直到另一段结束跨越多行”的场景这个修饰符就派上用场了。举个例子日志里经常出现堆栈信息以Exception开头、到at com.xxx结束横跨好几行你需要整块提取这时候(?s)Exception.*?at com\.\S就是正解。(?m)是让^和$匹配每一行的开头和结尾而不是整个文本的开头和结尾。比如你想在每一行开头插入一个在替换内容里写查找用^如果不加(?m)它就只在全文开头插入一次。注意在 Notepad 的替换界面里勾选“匹配每行开头”可能和正则模式有联动机制不同版本表现不太一样。我个人的习惯是把修饰符写在表达式里这样不依赖界面选项换到别的工具也能跑。3. 三个可以直接抄作业的实操案例3.1 案例一批量文件名格式化有一次我要处理一批课程素材文件命名是这种风格lesson01_intro.txt lesson02_setup.txt lesson03_config.txt但是后来课程体系调整需要在前面加上章节号变成L1-01_简介.txt L2-02_安装环境.txt L3-03_配置说明.txt文件名映射关系复杂根本没法靠简单查找替换完成。正则的做法是先把原始文件名读进文本然后对每一行做处理。原始格式其实是lesson(\d)_([a-z])\.txt而新格式需要我把数字编号进行运算直接映射成新的章节编号。正则本身不会做计算所以这种逻辑比较复杂的场景我会先把数据整理成中间的过渡格式再用多重替换。稍微简单一点的映射冲突不大比如只是把lesson01改成第1课查找lesson0(\d)替换成第$1课就完事。但如果编号超过两位数你写lesson0(\d)就漏了。更稳妥的写法是lesson(\d)然后在替换里自己控制。这种细节其实就是进正则实战的门槛别只针对眼前的三行样本设计正则要想清楚你的真实数据里哪些是固定不变的哪些是会变的。3.2 案例二日志清洗与时间戳格式统一我拿到过一份服务端日志里面有大量这种行[2024-01-05 10:23:45] ERROR 连接数据库失败 [2024-01-05 10:23:46] INFO 开始重试 [2024-01-05 10:23:48] ERROR 连接数据库失败领导要求把时间格式输出成2024/01/05 10:23:45而且日志级别要转成中文ERROR换成错误INFO换成信息。如果手改几百行能改到崩溃。正则思路分两步。第一步统一时间格式查找内容写成\[(\d{4})-(\d{2})-(\d{2}) (\d{2}:\d{2}:\d{2})\]替换成[$1/$2/$3 $4]。注意我这里在表达式里直接用了中括号但中括号在正则里是元字符表示字符集合所以我得对它做转义\[和\]。这一步可能很多人会漏掉结果匹配不到任何内容还不明所以。第二步处理日志级别可能你会想用两次替换分别解决 ERROR 和 INFO这当然没问题。但更高效的是用分组互换查找(ERROR|INFO)替换成对应的中文。不过这个例子里的中英文不是简单映射所以我个人会直接执行两次替换每次针对一个级别。逻辑上更清晰也不容易改错。顺便说一句替换内容里如果出现中文记得保持文件的编码是 UTF-8 或者你文件原本的编码否则替换完打开会乱码。3.3 案例三代码或配置文本的批量重构再举一个我经常在配置文件里用到的场景。假设你有一堆类似下面的键值对ip 192.168.1.10 port 8080 timeout 30现在要统一缩进和等号两边的空格希望所有键值对都变成键: 值的格式。查找^(\w)\s*\s*(\S)替换成$1: $2就能完成。这里的\s*是为了兼容等号两边可能存在的空格。\S表示非空白字符序列用来匹配值。这种操作看起来不复杂但你要注意^的作用范围。如果只是想把文件中所有等号格式统一而不限定在每行开头去掉^也是可以的。问题在于^(\w)会限制匹配必须以行首开始如果配置项前有缩进或注释就会漏掉。这时候你可能会需要(?m)^\s*(\w)\s*\s*(\S)先吃掉前面的空白。这种细节在实际文本处理里特别常见也是正则“看着会写、写出来不生效”的主要来源。4. 常见问题与排查技巧实录4.1 替换没有生效我该怎么办先说最蠢但最容易犯的错误忘记在搜索模式里勾选“正则表达式”。如果你写了一大串正则结果 Notepad 把它们当成普通文本去找自然什么都匹配不到。这听起来很基础但我见过不少人在这一步卡了十分钟。第二个常见问题是表达式写对但替换结果没变化。多半是匹配成功了但替换内容里的分组编号写错。比如你写了$10而你的分组其实只有两个。记得$10会被解析成第 10 个分组而如果表达式里没有第 10 个分组那部分内容可能被替换成空。处理方法很简单给分组编号加个明确边界或者重新设计分组个数尽量精简。第三个常见问题就是通配符中英文混用。有些人在中文输入法状态下输入逗号和括号结果正则表达式里的括号变成了中文全角括号引擎当然不认。我的经验是正则表达式里的所有符号都最好用英文状态输入尤其是括号、竖线、星号这一类。4.2 匹配结果和预期不一致最典型的是“匹配过多”和“漏匹配”。匹配过多通常就是贪婪和懒惰的问题参考前面 2.3 节的处理方式。漏匹配的原因就比较复杂了可能是字符转义漏了比如_在表达式里其实没有问题但你想要匹配的是下划线结果写成了\_也没啥影响。真正容易漏的是像(,),[,],{,},*,,?,.,|,^,$这些元字符匹配它们本身时必须加反斜杠。漏匹配还有一种很隐蔽的情况不可见字符。比如从网页复制过来的文本里可能含换行符或回车符Notepad 默认状态下可视化差异不大但正则匹配时^和$的行为就会受影响。处理这类问题时我会先把“查看所有字符”开关打开看看到底是空格、Tab 还是换行符造成了干扰。4.3 多行匹配与编码问题Notepad 默认情况下$匹配的是整行结束或文本末尾这跟你是不是勾选了多行模式有关。要匹配跨行内容我的建议是在表达式里直接使用\r\n匹配换行符。比如你想把连续两个空行合并成一个空行查找\r\n\r\n替换成\r\n就行。注意这里用 \r\n 而不是 \n因为 Windows 环境下的文本换行通常是 CRLF。如果文件是从 Unix/Linux 下拷过来的换行符可能只是\n这时你用\r\n反查会失败。可以在 Notepad 右下角看到当前文档的编码和换行格式用“编辑 → 行尾转换”先统一再处理。编码这块我多提醒一句替换内容是中文时如果源文件是 GBK 编码你在替换框里输入的中文字符不一定能和文档内码匹配最好先把文档整体转成 UTF-8 再做替换。这是个非常非常容易被忽略的坑我吃过亏所以先说在这里。5. 几个我长期在用的技巧组合最后分享一些不太好归类的零碎心得都是在实际项目里反复验证过的。批量处理多行首尾想给日志每一行加前缀查找(?m)^替换成[处理前]。想统一去掉行尾空格查找(?m)[ \t]$替换为空。这两个表达式我几乎每个星期都用。它们不会误伤内容因为^和$加上[ \t]的范围非常明确。CSV 列顺序调整如果有一列放在第二列你想把它挪到最后一列可以用^([^,]),([^,]),(.*)$和$1,$3,$2的结构。这里[^,]表示不包含逗号的一段字符是处理 CSV 时非常好的习惯因为它比.*更克制不会把逗号分隔符一起吞进去。连续替换的使用技巧Notepad 的替换对话框里点“全部替换”会从头到尾扫一遍替换完以后不会重新检查新增内容是否符合正则。比如你把abc替换成abcabc它不会在替换结果里再来一轮。这其实是好事不然你可能会得到指数级增长的文本。如果你确实需要多次替换可以按多次“全部替换”或者使用宏记录。我个人更在意的习惯是每次写正则前先复制一小段样本到一个临时标签页然后把“替换”范围设置为“仅匹配选中文本”做测试确认无误后再切回原文件按“全部替换”。这样可以极大降低大文件误操作的风险。做这行时间久了你会慢慢发现正则表达式的门槛从来不在语法而在阅读数据的习惯。刚开始可能会为了一个匹配写半小时等习惯用“共性 变化”的方式去观察文本速度自然就上来了。如果在某个表达式的转义或者分组上卡住不妨把它拆成两段先匹配前置部分再单独处理内容比硬写一个万能表达式要省心得多。