洗澡时总会有灵感蹦出，但是程先生耐不了淋浴的闷热，于是也早早地蹦出了卫生间。
原本这次打算分享PDF转Word的万能神器，但是被淋浴冲昏头脑之后，还是趁热在空调下科普本次的洗白白灵感：如何用正则表达式辅助Excel进行数据预处理。
啥，有点语无伦次？！
Excel虾/侠应该知道，从txt文件中，直接拷贝以“Tab制表符（看，人家名字就叫制表符）”分隔的文本到Excel之后，数据会老老实实、规规矩矩按行列落在它本应所处的位置。
TXT拷贝文本至Excel
但如果数据本身并非以Tab制表符分隔，可能是以逗号分隔（Excel所兼容的.csv文件倒是支持以英文逗号分隔数据列），也可能是以（多个）空格分隔，或者文本行是更为复杂的JSON数据格式（额，这个怎么解释呢，大家就理解为长得很“丑”的文本数据吧，类似这种：{ "firstName": "Xiansheng", "lastName":"Chen", "email": "idealRetail@163.com" }）；又或者说，你想以某种文本规律去处理（提取、清除）文本行数据，例如把如图所示文本中的“第X大美食”给清除掉；还有其它很多种复杂的场景（夜深脑瘫，程先生一时半会儿举不动栗子啦），特别是你从网上拷贝、下载、抓取了某些数据，你又不会编程处理或者说没有程序员男朋友时，正则表达式将会是你清洗数据的一大利器。
栗子
好啦，进入实操阶段：
首先下载个支持正则表达式的文本编辑器，例如EditPlus（推荐）、Ultraedit、Sublime等，然后拖入文本文件到编辑器内打开文件之后按Ctrl+H就可以进行正则查找、替换啦。EditPlus的操作界面如下：
EditPlus界面
正则表达式（Regular Expression），又称规则表达式，因此，它有一系列的规则，有人还把它写成了比拳头还厚的书- -，因此今天的科普文章不可能覆盖所有的case。程先生抛砖引玉，举例说明常见的情景吧。
- 连续的空格替换为Tab制表符（这样，拷贝到Excel中的文本就不会挤在同一格啦）：
Find: [ ]*
Replace: \t - 以句号作为行末进行换行（比如对诗歌文本进行格式化处理，每一行都是完整的一句话）：
Find: 。
Replace: 。\n - 如上所述，清除所有“第X大美食:”文字：
Find: 第.*大美食:
Replace: - 查找所有的电话号码/手机号码：
Find: [0-9]{11} （手机号码：xxxxxxxxxxx）
Find: [0-9]{3,4}-[0-9]{8} （座机：xxxx-xxxxxxxx） - 把上述的JSON数据（{ "firstName": "Xiansheng", "lastName":"Chen", "email": "idealRetail@163.com" }）格式化为excel列字段：
Find: .*first（匹配任何字符开头且连着first字样的文本）
Replace: first（清除行首的括号引号）
Find: " }（匹配"后接一空格及}符号的文本，}需转义）
Replace:（清除行末的括号引号）
Find: ":[ ]*"（匹配"之间含:及若干个空格的文本）
Replace: \t（替换冒号分隔为制表符分隔）
Find: ", "（匹配"之间含,及一个空格的文本）
Replace: \t（替换冒号分隔为制表符分隔）
啊，快没电了……
作为正则表达式的科普，看到这儿对自己是否适用，自己又是否感兴趣也差不多了然于心了。那么，我们留言见？
晚安눈_눈
程先生其实不姓程，他是个程序员。
他很乐意与你分享许多硬货和一点软文，并提供善解人意的技术咨询。
欢迎关注，欢迎简信。
网友评论