[倚天屠龙记] vim 查找与替换(正则表达式)

        [倚天屠龙记] vim 查找与替换(正则表达式) {{{

        正则表达式是文本处理领域中的一个强大的工具，它可以让文本处理的能力呈指数级的提升，如果一款文本编辑器不支持正则表达式，那么它就算不上是一个现代化的编辑器，这绝非虚言。
        正则表达式是模式匹配的高峰，它用一些特殊符号代表一些特殊意义，例如用星号代表它前面的元素可以出现任意次数（包括零次），用[0-9]表示十个数字字符中的任何一个，如此种种。
        vim 一旦与正则表达式结合，其搜索替换能力随即发生质的飞跃，可以一次性将文件中的全部日期时间从一种格式替换为另一种格式，可以一次性将《红楼梦》中的回目编号由第一回第二回这样的中文序号替换为第1回第2回这样的阿拉伯序号，而且这只能算是小菜一碟和冰山一角。
        vim的正则表达式与通用的正则表达式在语法上是有一些差异的，这点需要读者注意。
        vim正则表达式用来表明一个元素可以重复出现任何次数的符号是星号*，例如a*能匹配a，aa，aaa等，它还能匹配空字符串，只是字符a出现了零次，零次当然符合任何次数的限制。如果要匹配字符串hello的任何次数出现需要将它括起来，正确的表示法是\ (hello\ )*，左右括号需要加上转义字符反斜杠，以表示这里不是要匹配左右括号字符，而是正则表达式中要作为一个整体的元素，星号就作用于这个元素上，它就能匹配空串、hello、hellohello等等。
        如果要限制不能匹配空串，至少要出现一次，对应的符号是\+，\ (ab\ )\+能匹配ab、abab、ababab等，但不能匹配空串。
        如果一个元素可有可无，即出现次数为零或者为一，则用符号\=或者\?，但是后者不能用在以?打头的命令中，这意味着反向搜索时不能用，所以推荐使用\=。\ (ab\ )\=只能匹配空串和ab。英文中可能希望同时匹配一个单词的单数和复数形式，复数形式通常是在单词结尾加上一个字符s，例如要同时匹配fold和folds，正则表达式可以写成 folds\=。
        还可以把重复次数指定的更具体，要匹配字符a的三到五次出现可以使用 a\{3,5}，它可以匹配 aaa, aaaa, aaaaa，注意右大括号前是没有转义符的。也可以只指定上限或者只指定下限，\ (abc\ )\{3,}表示字符串abc出现至少3次，而\ (abc\ )\{,5}则表示出现最多5次。当然前面介绍的星号加号和等号都可以用这里的方式代替，*等效于\{0,}，\+等效于\{1,}，而\=等效于\{0,1}。此外，也可以指定固定次数，例如\ (abc\ )\{3}表示字符串abc重复三次。
        到现在为止，正则表达式的各个部分(单个字符或者用括号括起来的一个整体)之间是“且”的关系，比如a\+b\+代表若干个a字符后跟若干个b字符，有“且”必有“或”，这就是\|，当然本来是用|表示或的，前面的反斜杠仍然是转义符，以表示后面的|并不是用来匹配一个竖线的。a\|b 既能匹配一个字符a，也能匹配一个字符b，vim的脚本语言中有选择结构if和循环结构while与for，它们都以end结尾，if结尾于endif，while结尾于endwhile，for结尾于endfor，如果要同时匹配这三种结尾符号就可以用end\ (if\|while\|for\ )。
        如果你希望在某个位置匹配一个字母，任何字母都行，只要不是26个字符以外的字符，你当然可以写出\ (a\|b\|c\|d\|e\|f\|g\|h\|i\|j\|k\|l\|m...\|x\|y\|z\ )，这绝对会让人抓狂，好在对于ASCII码值连续的字符，正则表达式提供了范围表示法，这只要用[a-z]表示就可以了，自然也可以用[x-z]匹配x,y,z三个字符之中的任何一个，而数字当然可以使用[0-9]。中括号的用法非常灵活，其中可以有多个范围，还可以包含一些离散的值，比如[a-z0-9]能够任何一个字母或数字，而[abc5-8]则匹配abc这三个字符之一或者5-8这四个数字中的任何一个，而[0123456789]则等效于[0-9]。既然中括号用短横线表示范围的两端，那我要是要匹配一个短横线怎么办呢，当然有办法，只要你把短横线放在中括号内的第一个或者最后一个位置，就不会被理解为范围标示符，而是短横线了，例如[-0123]就能匹配短横线和0123这四个数字中的任何一个。如果你想匹配除指定字符之外的字符，则可以使用符号^，它表示取反，例如[^a]能匹配除a以外的任何字符，[^0-9]匹配除非数字的字符，作为一个例子，假如你想匹配由一对双引号引起来的一段文本，你可以使用"[^"]*"，亦即在一对双引号内，由除引号以外的任何字符重复多次所组成的字符串，像"hello"，"this is vim."这样的文本串将能被匹配上，但是若双引号内又有双引号，就不能匹配了。
        一个点号.可以匹配任意字符，例如.\{3,5}表示三至五个任意字符，而.*则可以匹配我们这个星球上的一切字符串，尽管这没什么用。
        为了方便使用，vim预置了一些经常使用的正则表达式，它们都可以经由基础的正则表达式写出来。简单列出：


        预置简写                意义                                        基础的正则表达式
        ========================================================
        \d                                数字                                       [0-9]
        \D                                非数字                                   [^0-9]
        \x                                十六进制字符                        [0-9a-fA-F]
        \X                                非十六进制字符                    [^0-9a-fA-F]
        \s                                空白字符                                [         ]  (Tab键和空格键)
        \S                                非空白字符                            [^         ]        (非Tab键和空格键)
        \l                                小写字母                                  [a-z]
        \L                                非小写字母                            [^a-z]
        \u                                大写字母                                [A-Z]
        \U                                非大写字母                            [^A-Z]


        注意这些预置的简写是不能放在中括号内部的，比如像[\d\l]这样的表达式不是一个合法的正则表达式，因为它们本身就是某个中括号正则的简写，而中括号是不能嵌套的。
        如果要搜索的文本是跨行的，这只要在搜索串中加上换行符\n就成，例如the\nworld将能匹配上一行以the结尾而下一行以world打头的文本块。
        这里是一个使用正则表达式的一个例子。我国古典名著《红楼梦》有七十多万字，我从网上下载到了它的txt文本文件，这么长的文件如果要进行阅读，没有目录结构是无法想象的，好在它的每一回的标题都拥有同样的格式，下面是截取的某几回的回目：


    上卷 第一回  甄士隐梦幻识通灵　贾雨村风尘怀闺秀
    上卷 第二回  贾夫人仙逝扬州城　冷子兴演说荣国府
    上卷 第三回   贾雨村夤缘复旧职　林黛玉抛父进京都
        .......
    下卷 第一一八回  记微嫌舅兄欺弱女　惊谜语妻妾谏痴人
    下卷 第一一九回  中乡魁宝玉却尘缘　沐皇恩贾家延世泽
    下卷 第一二零回  甄士隐详说太虚情　贾雨村归结红楼梦


        现在通过正则表达式搜索回目标题，每一回标题前面有四个空格，但考虑到文本文件可能因为某些原因出现了混乱的情况，我们忽略这个数目，只指明有任意数目的空白字符，然后接下来是上卷(前八十回，曹雪芹写的那一部分)和下卷(高鹗续写的那一部分)，然后是一个空格，后面是中文回目序号和回目标题，因此可以写出正则表达式如下：^\s*[上下]卷 第[零一二三四五六七八九十百]\{1,5}回 .*$，下图即是搜索结果：
        
借助这个搜索列表，你可以跳到任何一回进行阅读，当然，使用折叠也是一个不错的主意。

}}}