书路【内容简介】介绍Sigil的基本操作。主要有以下知识点：
- 文本导入
- 查找替换功能
- 搜索模板功能
- 插入图片
- 制作目录
- 选定封面
———————-
【相关知识】Sigil正则表达式入门
正则表达式，是一种用特殊符号表示文字的方法，主要用在查找和替换方面。下面的例子可以让你知道正则表达式是干什么用的。在一个文本中，有这样的一些内容：
序章
第一章 ABCDEF
第二章 GHIJKL
第三章 …………
终章
这种内容我们都很熟悉，你有没有想过，用什么办法可以把这些内容一次过查找出来呢？为了简化，我们先来看这个部分。
第一章
第二章
第三章
可以看到，这些内容有着极高的相似性，由“第”，“章”开头和结尾，中间有着一些数字。如果我们能用一个什么符号来代表中间的所有字，比如一个圆点“.”，不就可以用这样的方式来查找出所有这样的内容了吗。
第.章
很早之前，就有人发明了一套完整的方案，让我们可以用各种不同的符号来达到这种目的，那就是我们将要了解的正则表达式。
正则表达式作为一种描述字符的方案，在大量软件、编程语言中都有所运用，而在这些不同的平台上，正则表达式的使用方式又往往会有或多或少的差异，在某个平台上管用的表达式，换个地方可能就要改改才能正确运行。那么在这篇文章里，我们主要是讲 Sigil 中的正则表达式，至于推广应用，就要靠大家去查找资料了。
1. 元字符
我们前面提到，正则表达式一个重要作用就是用特别的符号来代表一类字符，而这些符号就叫做“元字符”。这些元字符在大多数环境下都是通用的。注意，元字符中所有符号都是半角符号，也就是通常说的英文符号。以下是一些常见的元字符，实际上还有更多。这些元字符都经过测试，在 Sigil 下有效。
| 符号 | 意义 | 说明 |
|---|---|---|
. |
任意一个字符 | 最简单的元字符，匹配任意字符，但不包括换行符 \n。 |
\ |
转义 | 把元字符改变为普通字符，或者把某些普通字符转变为元字符。比如，\. 就是代表普通的点号，不代表其他字符。 |
\s |
空白字符 | 半角空格、制表符等空白字符。在 Sigil 中还能匹配到换行符 \n 和空白行，使用要注意。注意，不能匹配到全角空格。 |
\t |
制表符 | 匹配制表符。 |
\n |
换行符 | 表示文章的换行，这是一个不可见符号，在例子中，这个符号在 _ 的位置。
aaa_ 你能够通过 |
\r |
回车 | 代表一个回车符。这个符号不会在文本中出现，因此不能查找到。但是如果你需要在查找结果中插入一个换行，那么就要用 \r。注意，插入后在文本中出现的仍然会是 \n 而不是 \r。 |
\d |
任意一个阿拉伯数字 | 也就是可以代表 0~9 中的任意一个。 |
\D |
任意一个非阿拉伯数字 | 0~9 以外的字符，同样的，不包括换行符 \n。 |
^ |
行首 | 即一行的开头。Sigil 中不能单独使用，要配合其他字符。比如，^a 表示在行首的“a”，能匹配到第一行和第三行的字母“a”。第二行因为行首是空格，因此匹配不到。
abc |
$ |
行尾 | 表示任意一行的结尾，不包括换行符。在 Sigil 中不能单独使用。比如，c$ 表示位于行尾的 c，能够匹配到第一行和第二行的字母 c。
abc |
+ |
一或更多 | 表示一个或更多。必须配用其他字符使用。添加在一个字符后面，表示一个或更多个该字符。相当于 {1,}。比如，a+ 表示一个以上连续的“a”，以下例子都能匹配到。
a |
? |
尽可能少 | 表示尽可能少。必须配合其他字符使用。比如，“accccbb”中 a.*b 匹配到“accccbb”，而 a.*?b 就能只匹配到“accccb”。注意：在某些平台的正则表达式中，这一功能很可能由 - 减号提供。 |
| |
或 | 一个逻辑选择符。aa|bb 既可以匹配到“aa”也可以匹配到“bb”。可以用到多个选项中，比如 aa|bb|cc。1|2|3 相当于 [123]。 |
* |
尽可能多 | 即无或更多。相当于 {0,}。 |
{n,m} |
个数范围 | 表示匹配项的个数范围。比如，a{3} 表示“aaa”，a{2,4} 表示“aa”或“aaa”或“aaaa”，a{1,} 表示一个以上的“a”。注意，a{,2} 应该表示两个以下的“a”，但是这种写法在 Sigil 中无效，要写成 a{0,2}。 |
[] |
包含 | [] 本身匹配一个字符。比如，[abc] 匹配“a”、“b”或“c”。通常不分顺序，[abc] 和 [bca] 一样。[] 中用 - 表示范围，[a-z] 表能匹配到“a”到“z”全部 26 个字母之一。比如，[0-9] 和 \d 是一样的，但是 \d 速度更快。如果要在 [] 中匹配 - 本身，把 - 写在最前面，或者把它转义 \-。比如 [-0-9]，就能匹配所有阿拉伯数字和“-”。 |
[^] |
不包含 | [] 的逆操作。比如 a[^b]c，能匹配到第二行，第三行。
abc 注意，因为 |
() |
捕获组 | (abc) 表示把“abc”分为一组。分组后可以配合其他元字符使用。一个组称为一个捕获组。比如，(abc)+ 就是一个或以上“abc”组合的意思。捕获组中的内容会被记录并编号，可以通过 \0、\1 这种形式来引用。 |
(?:) |
分组/非捕获组 | 作用上与 () 类似，能把内容分为一组，但 (?:) 仅有分组功能，不记录匹配内容。也就是说，无法通过 \0、\1 等方式引用。此元字符虽然消耗的资源更少，速度更快，在简单应用中可能体验不到与 () 的区别。 |
\0\1\2… |
反向引用 | 配合分组使用，引用一个分组。比如，在查找时有分组 (abc)，那么 \1 就代表“abc”。有分组 a(bc)(de)f，那么 \0 代表“abcdef”，\1 代表“bc”，\2 代表“de”。如此类推。嵌套也是一样的，比如 (abc(def))，\1 代表“abcdef”，\2 代表“def”。同样地，也能在查找时应用。比如有字符串“abc111abc”，那么表达式 (abc).*\1 就能匹配到所有内容。
* 注：在其他平台中，可能使用的是$0，$1等表示方法。 |
(?s) |
多行匹配 | 放在表达式的最前端，使得 . 可以匹配到 \n，从而实现跨行匹配。比如以下例子：
<div></div> 使用正则表达式 * 注1：这是 Sigil 特有元字符，其他平台有另外的方法实现该功能。 |
(?U) |
最少匹配 | 放在表达式的最前端，使得整个正则表达式实现最少匹配。比如以下例子：
<div>AAA<div>BBB</div>CCC</div> 正则表达式 * 注1：这是 Sigil 特有元字符，其他平台有另外的方法实现该功能。 |
2. 常用正则表达式
在这一部分，我们回来看一些很常用的正则表达式，这些表达式往往是更复杂表达式的组成部分。
2.1 所有字符
.*
匹配所有内容。. 代表一个字符，* 代表任意多个，因此 .* 代表“所有字符”。比如
<div>.*</div>
表示 <div> 标签内的所有内容，可以依次匹配到下列各项
<div>AAACCCC</div>
<div></div>
<div>！！！！AAAAACCCC啊啊啊啊</div>但不能跨行，这样是匹配不到的：
<div>
AAAAAA
</div>如果要跨行，需要使用 (?s)。
2.2 空白行
^[ \t ]*$\n
匹配空白行的典型写法。可以匹配无内容的行，只有空格的行，只有制表符的行或者空格和制表符混合排列的行。[] 中包括的分别是空格“ ”，制表符 \t 和全角空格“ ”。也可以根据需要添加更多的字符。
2.3 行尾空白字符
[ \t ]+$
匹配出现在行尾的空白字符，比如空格。思路和 2.2 一致，使用 $ 把搜查范围限定在结尾，使用了符号 + 确保最少有一个空白字符，否则会查找失败。
2.4 压缩重复符号
查找：
。+
替换：
。
很容易理解，把一个以上的“。”，换成一个“。”，从而达到压缩重复符号的目的。可以灵活改变，压缩各种重复的字符。配合 2.2 的查找空白行，也能实现压缩空白行。
3. 应用实例
在这一部分，我们会看一些 Sigil 使用过程中实际会用到的例子，方便各位了解正则表达式的使用。
3.1 添加标签
你打算为所有的图片添加一个 <div>，并且 class 为 images。
| 原语句 | <img src="Images/001.jpg" /> |
| 目标语句 | <div class="images"><img src="Images/001.jpg" /></div> |
| 使用元字符 | .*\0 |
| 查找 | <img.*/> |
| 替换 | <div class="images">\0</div> |
解说：
查找以 <img 开头，/> 结尾的所有句子，这个表达式默认分组为 0,因此可以用 \0 来引用。如果你的文本中图片语句必定是独立一行的，可以直接使用 <img 这样的简单句子。同样的，也可以通过 /> 后面是否紧跟换行符 \n 来判断图片是否独立一行，从而实现不同位置图片的匹配。
扩展：
同样的，你可以用这个方法为各种内容很方便的添加标签，如果你常常用到这样的替换，不要忘记善用 Sigil 的搜索模板功能。
3.2 拼接断行
在一些文本中，会存在断行，我们要把这些断行重新拼接起来。
| 原文本 | 床前 明月光， 疑是地上 霜。 举头望 明月， 低头思故乡。 |
| 目标文本 | 床前明月光， 疑是地上霜。 举头望明月， 低头思故乡。 |
| 使用元字符 | [^]，\n |
| 查找 | ([^，。])$\n |
| 替换 | \1 |
解说：
其实所谓的断行，就是在不该换行的地方进行了换行，那么只要分析出不该换行的特征就可以了。在这个例子中，换行只应该出现在“，”和“。”后面，因此我们查找前面没有“，”或者“。”的换行，并且将其删除就可以了。
因为使用的正则表达式会匹配到 \n 前面的一个字符，为了不把这个字符也删除，所以要用 () 把这个字符保护起来。
扩展：
实际上我们还可以使用“零宽断言（Zero-width assertions 或 Zero-Length Assertions）”来达到这个效果，写法是 (?<![，。]$)\n,直接替换为空，零宽断言本身就保护了字符。但是作为一个入门应用，我还是先介绍使用 [^] 的方法，关于零宽断言，有兴趣的朋友可以到这个网址了解：
https://www.regular-expressions.info/lookaround.html
3.3 识别章节标题
这是很常见的一个需求，我们往往要为章节标题添加 <h1>，<h2> 之类的标签。通过 3.1 我们已经了解到如何添加标签，因此这里着重讲解如何识别标题。
| 原文本 | 序章
|
| 目标文本 |
|
| 使用元字符 | .*[]()\1^|{m,n} |
| 查找 | ^((序章|第.{1,3}章|终章|后记).*) |
| 替换 | <h1>\1</h1> |
解说：
表达式开始的 ^ 查找内容必须是每一行的开头，这样才不会匹配到正文中的“第N章”之类的内容。当然，还是无法完全排除匹配到正文的可能性，因此要注意替换次数，如果次数和章节数目不符，就要留意了。
通过 | 的使用，我们可以在一个表达式中就匹配到所有的内容，要善用 |。第.{1,3}章 是一个保险，最多匹配到“第九十九章”这样的字符串，在实际使用中，往往只需要写 第.章。如果是“第1章”这样的，就可以用 第\d章 来更精准的匹配。
3.5 自动插入 <title></title> 内容
| 原文本 |
|
| 目标文本 |
|
| 使用元字符 | .*()\1\2(?s)\n\r |
| 查找 | (?s)<title></title>\n(.*<h1>(.*)</h1>) |
| 替换 | <title>\2</title>\r\1 |
解说：
通说 () 的捕获群获取所需要的字符串，然后以逆向引用来达到插入内容的目的。使用 Sigil 的前置符 (?s) 使得 .* 可以匹配到换行符 \n，因此表达式可以匹配到 </head> … <h1> 之间的所有内容。捕获组 1 保留 <title> 以外的所有内容，以便稍后恢复，捕获组 2 获取 <h1> 中的内容，插入到 <title> 中去。这个操作在 Sigil 中比较有用，因为 Sigil 默认是不会填写 <title> 内容的。
———————
原文链接：http://www.cnepub.com/discuz/thread-161771-1-1.html
未经允许不得转载：书路 » Sigil 基础教程（二）：Sigil 的基本操作
