InDesign正则表达式实例(一)查找替换有规律的特定字符
注:本文不适合零经验、入门级者。目标读者是有一定InDesign使用经验的进阶人群。
作为一个排版技术流,我感觉InDesign是一个很顺手的工具。其功能中,作为文本查找手段,InDesign多年前引入了编程语言中的正则表达式(GREP)。
以下是我工作中的一些实例,供大家借鉴。
一、段落开头的空格
当我们在InDesign中导入Word文件,经常遇到段落前有多余空格的情况。
这时候我们可以利用GREP关于位置的代码实现精准匹配并删除。
GREP公式:^ +
解析:
第一个字符^,代表段落开头的位置,不是字符本身。
第二个字符 (半角空格),这个是我们要匹配删除的目标字符。
第三个字符+,代表前面的代码重复一次或者多次。即1个或N个连续的几个空格。
二、段落最后的多余空格
段落后有空格,一般不会影响排版的效果。通常可不去理会。排版软件可以忽略他们的存在。但特殊情况下会需要删除。比如段落样式中有嵌特别的GREP公式(续篇再介绍这个具体的公式),段落后空格会影响最终效果。
GREP公式1: +$
第一个字符 (半角空格),这个是我们要匹配删除的目标字符。
第二个字符+,即1个或N个连续的几个空格。
第三个字符$,代表段落结尾的位置,不是字符本身
GREP公式2:[ ~(~m~>~S\\t]+$
解析:空格其实有多种形式,我们可以用一对方括号来定义一个字符集来同时匹配不同类型的空格,把上面的公式扩展一下,提供一些兼容性。
代码[ ],前后各一个,定义一个字符集
代码~(,表意字空格。占一个汉字的位置
代码~m,全角空格。占一个汉字的位置
代码~>,半角空格。占0.5个汉字的位置
代码~S,不间断空格。占一个英文字母的位置
代码\\t,定位点。在段落后出现的定位点,也是多余空格的一种。
三、空行
GREP公式:(^\\r)+
解析:有些空行是有意义的,说以这个代码,建议不要通改,最好是一个个判断。
代码(),标记子表达式,括号内代码作为一个整体对象。
代码^\\r,这个组合,代表段落开头就是一个换行符号。即一个空白行。
四、标准汉语拼音
GREP公式:[\\l\\u]*[āáǎàēéěèīíǐìōóǒòūúǔùüǖǘǚǜ][\\l\\u]*
解析:汉语拼音的主要规律是带声调的原音字符aeiouü与字母a-z的组合,如:普[pǔ]通[tōng]话[huà]
代码[\\l\\u],代表字母a-z、A_Z的字符集
代码*,代表前面对象出现0次或多次
五、粵语拼音(字母加数字上标)
GREP公式:[\\l\\u]+\\d(\\/[\\l\\u]+\\d)*
解析:粤语拼音方案并没有统一,如:罗马拼音方案、黄鍚凌方案、耶鲁拼音方案、教育学院粤语拼音方案、香港语言学会粤语拼音方案。这里以香港语言学学会制定的粤语拼音方案为例。规律是上标数字加字母a-z的组合,如:广[gwong2]东[dung1]话[waa2]
六、中文段落中的英文
InDesign继承了pagemaker的复合字体的功能,我们可以通过字体集的功能来分别控制段落中的字符,比如使中文和英文用不同的字款。
但这设定有几个令人难受的副作用。
- 不再提示字符缺失,字体中没有的字符,会直接用空格显示。
- 切换到其他设备进行编辑的时候,即使用了封装集档,也往往不能把复合字体带过去。
- 同时打开2个文件,有同名的复合字体的话,会自己重名复合字体。形成一些冗余的复合字体。
这时候我们可以在段落样式中嵌套GREP样式来指定英文字符用特定的字符样式。实现复合字体类似的效果。
GREP公式:[“‘]*[[:ascii:]][’”]*|[À-ž©®]
代码[[:ascii:]],一个特殊的字符集,匹配任何 ASCII 字符(ASCII0 到 127 之间的顺序值)
代码[“‘]*,英文字符前的单或双引号,出现0次或多次
代码[’”]*,英文字符后的单或双引号,出现0次或多次
代码|,或者,前后的公式都可以匹配
七、段落最后的两个非标点字符
GREP公式:..[[:punct:]]*$
解析:用于段落样式中嵌套GREP公式,结合不断行属性,可实现规避孤字,请看续集……
EXCEL正则表达式之元字符
上一节中我们讲过了正则表达式的基础语法,举了一个例子,把A列数据各个部门中的门字去掉,当时写的代码中:
Set regx = CreateObject(\”vbscript.regexp\”)
With regx
.Global = True
.Pattern = \”门\”
End With
.Pattern = \”门\”,此表达式中的“门”字就是一个普通字符,如果表达式中只是用普通字符的话,那我们用查找功能完全可以匹配目标字符串,为何还要写代码呢?所以正则表达式中还有另外一种字符,叫做元字符。
比如我们在查找时通常会用通配符“*”表示任意字符,在正则表达式中也有一些固定的字符,他们可以表达某一类型的字符,以实现强大的匹配能力。
下面例举一些常用的元字符:(注意大小写之分)
\\d 匹配一个数字字符
\\D 匹配一个非数字字符
\\w 匹配包括下划线的任何单词字符。[A-Za-z0-9_]
\\W 匹配任何非单词字符
\\s 匹配任何空白字符,包括空格、制表符、换页符等等
\\S 匹配任何非空白字符
\\b 匹配一个单词边界,也就是指单词和空格间的位置
\\B 匹配非单词边界
\\n 匹配一个换行符
\\r 匹配一个回车符
\\t 匹配一个制表符
. 匹配除\”\\n\”之外的任何单个字符。
我们通过具体的例子来体会下这些元字符的作用。
案例1:提取字符串
上图中A列数据把产品和单价写在一起了,有的是单价在产品前面,有的是单价在产品的后面,现在想把他们分开到两列。
用函数也可以做 但挺麻烦的。如果用正则表达式,只要把每个单元格中的数字匹配出来,然后替换成空就得到了汉字部分了,反之只要把汉字匹配出来替换为空就得到了数字。
前面我们讲过,在元字符中,\\d 匹配一个数字字符,我们看下关键代码:
Sub 提取汉字()
Dim regx As Object, n%
Set regx = CreateObject(\”vbscript.regexp\”)
With regx
.Global = True
.Pattern = \”\\d\” \’匹配数字
End With
Do
n = n + 1
Cells(n + 1, 2).Value = regx.Replace(Cells(n + 1, 1).Value, \”\”)
Loop Until Cells(n + 1, 1).Value = \”\”
End Sub
同理,\\D 匹配一个非数字字符,我们可以通过“\\D”来匹配汉字,把汉字替换成空,得到数字。代码如下:
Sub 提取数字()
Dim regx As Object, n%
Set regx = CreateObject(\”vbscript.regexp\”)
With regx
.Global = True
.Pattern = \”\\D\”
End With
Do
n = n + 1
Cells(n + 1, 3).Value = regx.Replace(Cells(n + 1, 1).Value, \”\”)
Loop Until Cells(n + 1, 1).Value = \”\”
End Sub
两段代码的运行结果如下:
如果是字母和汉字放在一个单元格里,我们可以用\\W 匹配任何非单词字符,这样就能匹配出字母,替换为空即可得到汉字部分。
案例2:规范格式
\\s 匹配任何空白字符,包括空格、制表符、换页符等等,我们把换行符和空格匹配出来并且全部替换为“-”即可。
代码如下:
Sub 规范格式()
Dim regx As Object, n%
Set regx = CreateObject(\”vbscript.regexp\”)
With regx
.Global = True
.Pattern = \”\\s\”
End With
Do
n = n + 1
Cells(n + 1, 2).Value = regx.Replace(Cells(n + 1, 1).Value, \”-\”)
Loop Until Cells(n + 1, 1).Value = \”\”
End Sub
通过这节课,我们了解了什么是元字符,并且初步体会到了正则表达式的强大之处,后面我们逐步地讲解更加复杂的匹配。
转自:米宏Office
本文作者及来源:Renderbus瑞云渲染农场https://www.renderbus.com
文章为作者独立观点不代本网立场,未经允许不得转载。