文本处理--提取文本和对比

小文本处理方式
数据提取与对比
1, 利用正则表达式：这种方式适用于像Notepad++等编辑软件中。通常是选出不要的删除，留下要的。
2, 利用excel : ①区分规则位置–数据->分列（这里体现了CSV文件可以读入excel的原因（逗号区分））； ② 利用1正则表达式处理后（通常观察数据，代替为tab区分，这也是excel的默认处理方式）。
3，比较方式：① excel中用IF函数或excat函数做快速对比结果为TRUE或者FALSE（这里就不得不去了解了解）；② 对比工具merge和compileFile等。

大文本处理方式
sed, awk, grep通常能够处理几十个G的文本，是以流的方式（这个比较难，现实中遇到了就去学）

举例：提取下面汉字部分
方法一：（正则）看文本寻找规则，很明显可以用 :.*， 这个正则选出后面的删除，替换引号即可。
方法二：（利用excel默认tab的处理）将 ： 换成tab键，copy到excel中，选出你所需要的列即可。
方法三：（利用excel区分规则） 将以下内容copy到excel,利用分列，以：分列即可得到

“你好好啊” ： “sdjfosdfosjfods”,
“你好好啊” ： “sdjfosdfosjfods”,
“你好好啊” ： “sdjfosdfosjfods”,
“你好好啊” ： “sdjfosdfosjfods”,
“你好好啊” ： “sdjfosdfosjfods”
“你好好啊” ： “sdjfosdfosjfods”

最后给出图，以免找不到分列位置

上面提到了excel函数（常见12个函数），
一、条件判断：IF函数
二、条件求和：SUMIF、SUMIFS函数。
三、条件计数：COUNTIF、COUNTIFS函数。
四、数据查询：VLOOKUP函数。
五、逆向查询：LOOKUP函数。
六、查询好搭档：INDEX+MATCH 函数。
七、提取出生年月：TEXT+MID函数。
八、计算年龄：DATEDIF函数。
九、中国式排名：SUMPRODUCT+COUNTIF函数。

这里面也有很多实用的方法。强烈建议点击此连接学习。
可以参考：http://www.excelhome.net/lesson/article/excel/1897.html

关于正则处理文本：
我们要处理这样的文本，
AAA.BBBBBB.CCC的文本查找出BBBBBB。

A. *?B     .表示任意字符，？表示匹配多个字符
A. *?(?=B)  包含A 不包含B 
(？<=A).*?(?=B) 都不包含
// 上面实际例子
\..*?\.    ---- 结果BBBBBB被找到