Notepad++ 正则表达式实战：批量替换与数据清洗技巧

魁首哥

作者

Notepad++ 正则表达式实战：批量替换与数据清洗技巧

在日常工作中，我们常常需要处理大量的文本数据，例如清洗数据、格式化文本、提取信息等。Notepad++作为一款功能强大的文本编辑工具，结合正则表达式（Regular Expression，简称RegEx），能够帮助我们高效完成这些任务。本文将通过实际案例，分享一些Notepad++中正则表达式的实战技巧，帮助你快速掌握批量替换与数据清洗的方法。

一、正则表达式的基础知识

正则表达式是一种强大的文本匹配工具，能够通过特定的语法来描述文本的模式。它广泛应用于文本处理、数据清洗、信息提取等领域。在Notepad++中，正则表达式可以通过“查找”和“替换”功能来实现批量操作。

常用正则表达式符号：

.：匹配任意单个字符。
*：匹配前面的字符零次或多次。
+：匹配前面的字符一次或多次。
?：匹配前面的字符零次或一次。
\d：匹配任意数字（0-9）。
\D：匹配非数字字符。
\w：匹配字母、数字及下划线。
\W：匹配非字母、数字及下划线。
^：表示字符串的开始。
$：表示字符串的结束。
[]：定义字符集，匹配方括号内的任意一个字符。
()：分组，用于捕获匹配的内容。

掌握这些基础符号后，我们就可以开始尝试一些实战案例了。

二、批量替换实战

案例1：替换日期格式

假设我们有一份包含日期的文本，格式为“YYYY-MM-DD”，但需要将其替换为“MM-DD-YYYY”。以下是实现方法：

打开Notepad++，按下 Ctrl + H 打开替换对话框。
在“查找”框中输入以下正则表达式：
```
(\d{4})-(\d{2})-(\d{2})
```
这个表达式会匹配四位年份、两位月份和两位日期。
在“替换”框中输入：
```
\2-\3-\1
```
这里的 \1、\2、\3 分别代表正则表达式中捕获的第一、第二、第三个分组。
确保勾选“正则表达式”选项，点击“全部替换”。

这样，所有日期格式都会被批量替换。

案例2：清洗电话号码

假设我们有一份包含电话号码的文本，格式不统一，例如：

1234567890123-456-7890(123)456-7890

我们希望将其统一为“123-456-7890”的格式。以下是实现方法：

在“查找”框中输入以下正则表达式：
```
(\d{3})(\d{3})(\d{4})
```
这个表达式会匹配连续的10位数字，并将其分为三组。
在“替换”框中输入：
```
\1-\2-\3
```
确保勾选“正则表达式”选项，点击“全部替换”。

这样，所有电话号码都会被统一格式化。

三、数据清洗技巧

案例3：提取邮箱地址

假设我们有一份包含大量文本的文件，需要从中提取所有邮箱地址。以下是实现方法：

在“查找”框中输入以下正则表达式：
```
\b[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Za-z]{2,}\b
```
这个表达式能够匹配常见的邮箱地址格式。
在“替换”框中输入：
```
\0
```
\0 表示保留匹配的内容。
确保勾选“正则表达式”选项，点击“查找全部”。

这样，所有匹配的邮箱地址都会被列出，你可以手动复制或进一步处理。