洗澡時(shí)總會(huì)有靈感蹦出场躯，但是程先生耐不了淋浴的悶熱，于是也早早地蹦出了衛(wèi)生間旅挤。
原本這次打算分享PDF轉(zhuǎn)Word的萬(wàn)能神器踢关，但是被淋浴沖昏頭腦之后，還是趁熱在空調(diào)下科普本次的洗白白靈感：如何用正則表達(dá)式輔助Excel進(jìn)行數(shù)據(jù)預(yù)處理粘茄。
啥签舞，有點(diǎn)語(yǔ)無(wú)倫次？柒瓣！
Excel蝦/俠應(yīng)該知道儒搭，從txt文件中，直接拷貝以“Tab制表符（看芙贫，人家名字就叫制表符）”分隔的文本到Excel之后搂鲫，數(shù)據(jù)會(huì)老老實(shí)實(shí)、規(guī)規(guī)矩矩按行列落在它本應(yīng)所處的位置磺平。
但如果數(shù)據(jù)本身并非以Tab制表符分隔魂仍，可能是以逗號(hào)分隔（Excel所兼容的.csv文件倒是支持以英文逗號(hào)分隔數(shù)據(jù)列），也可能是以（多個(gè)）空格分隔拣挪，或者文本行是更為復(fù)雜的JSON數(shù)據(jù)格式（額擦酌，這個(gè)怎么解釋呢，大家就理解為長(zhǎng)得很“丑”的文本數(shù)據(jù)吧菠劝，類似這種：{ "firstName": "Xiansheng", "lastName":"Chen", "email": "idealRetail@163.com" }）赊舶；又或者說(shuō)，你想以某種文本規(guī)律去處理（提取闸英、清除）文本行數(shù)據(jù)锯岖，例如把如圖所示文本中的“第X大美食”給清除掉；還有其它很多種復(fù)雜的場(chǎng)景（夜深腦癱甫何，程先生一時(shí)半會(huì)兒舉不動(dòng)栗子啦）出吹，特別是你從網(wǎng)上拷貝、下載辙喂、抓取了某些數(shù)據(jù)捶牢，你又不會(huì)編程處理或者說(shuō)沒(méi)有程序員男朋友時(shí)鸠珠，正則表達(dá)式將會(huì)是你清洗數(shù)據(jù)的一大利器。
好啦秋麸，進(jìn)入實(shí)操階段：
首先下載個(gè)支持正則表達(dá)式的文本編輯器渐排，例如EditPlus（推薦）、Ultraedit灸蟆、Sublime等驯耻，然后拖入文本文件到編輯器內(nèi)打開(kāi)文件之后按Ctrl+H就可以進(jìn)行正則查找、替換啦炒考。EditPlus的操作界面如下：
正則表達(dá)式（Regular Expression）可缚，又稱規(guī)則表達(dá)式，因此斋枢，它有一系列的規(guī)則帘靡，有人還把它寫(xiě)成了比拳頭還厚的書(shū)- -，因此今天的科普文章不可能覆蓋所有的case瓤帚。程先生拋磚引玉描姚，舉例說(shuō)明常見(jiàn)的情景吧。
- 連續(xù)的空格替換為Tab制表符（這樣戈次，拷貝到Excel中的文本就不會(huì)擠在同一格啦）：
Find: [ ]*
Replace: \t - 以句號(hào)作為行末進(jìn)行換行（比如對(duì)詩(shī)歌文本進(jìn)行格式化處理轩勘，每一行都是完整的一句話）：
Find: 。
Replace: 朝扼。\n - 如上所述赃阀，清除所有“第X大美食:”文字：
Find: 第.*大美食:
Replace: - 查找所有的電話號(hào)碼/手機(jī)號(hào)碼：
Find: [0-9]{11} （手機(jī)號(hào)碼：xxxxxxxxxxx）
Find: [0-9]{3,4}-[0-9]{8} （座機(jī)：xxxx-xxxxxxxx） - 把上述的JSON數(shù)據(jù)（{ "firstName": "Xiansheng", "lastName":"Chen", "email": "idealRetail@163.com" }）格式化為excel列字段：
Find: .*first（匹配任何字符開(kāi)頭且連著first字樣的文本）
Replace: first（清除行首的括號(hào)引號(hào)）
Find: " }（匹配"后接一空格及}符號(hào)的文本霎肯，}需轉(zhuǎn)義）
Replace:（清除行末的括號(hào)引號(hào)）
Find: ":[ ]*"（匹配"之間含:及若干個(gè)空格的文本）
Replace: \t（替換冒號(hào)分隔為制表符分隔）
Find: ", "（匹配"之間含,及一個(gè)空格的文本）
Replace: \t（替換冒號(hào)分隔為制表符分隔）
啊擎颖，快沒(méi)電了……
作為正則表達(dá)式的科普，看到這兒對(duì)自己是否適用观游，自己又是否感興趣也差不多了然于心了搂捧。那么，我們留言見(jiàn)懂缕？
晚安?_?
程先生其實(shí)不姓程允跑，他是個(gè)程序員。
他很樂(lè)意與你分享許多硬貨和一點(diǎn)軟文搪柑，并提供善解人意的技術(shù)咨詢聋丝。
歡迎關(guān)注，歡迎簡(jiǎn)信工碾。
