Sublime Text 3 正则表达式实战：用 [\s\S]+? 轻松清理小说TXT里的跨行垃圾信息
每次从网上下载TXT小说，最头疼的就是那些乱七八糟的版权声明、广告信息和格式混乱的排版。这些内容不仅影响阅读体验，还经常横跨多行，手动删除简直是一场噩梦。今天我们就来聊聊如何用Sublime Text 3的正则表达式功能，特别是[\s\S]+?这个神器，一键清理这些烦人的跨行垃圾信息。
1. 准备工作与环境配置
在开始之前，确保你已经安装了Sublime Text 3。这个轻量级但功能强大的文本编辑器是处理文本的绝佳工具，特别是它的正则表达式搜索替换功能，比记事本强大太多。
打开你的小说TXT文件，应该能看到类似这样的内容：
※版本出处：旧雨阁扫校※ 上一页回目录下一页 lwj@cser 制作更多精彩E书请访问"wbzd" 2009年10月12日 星期一 2:43:17 PM 《旧派武侠合集》lwj@cser制作 2009.8 江湖奇侠传 - 第三十二回 惊变卦孝子急亲仇 污佛地淫徒受重创 目录 白莲英雄传 偷拳 荒江女侠 江湖怪异传 江湖奇侠传 近代侠义英雄传 沉剑飞龙记 蓝田女侠 鹰爪王 罗刹夫人 七杀碑 制作说明 使用说明 《江湖奇侠传》平江不肖生·著这些信息通常以"※版本出处"开头，以"·著"结尾，中间夹杂着各种广告、联系方式和日期，横跨多行。我们的目标就是精准定位并删除这些内容，同时保留小说正文。
2. 理解正则表达式基础概念
在动手之前，我们需要理解几个关键的正则表达式概念：
\s：匹配任何空白字符，包括空格、制表符、换行符等*：匹配前面的元素零次或多次+：匹配前面的元素一次或多次?：使量词变为非贪婪模式（尽可能少匹配）^：匹配行的开头$：匹配行的结尾[\s\S]：匹配任何字符，包括换行符（相当于"."的加强版）
特别需要注意的是.在正则表达式中默认不匹配换行符，这就是为什么我们需要使用[\s\S]来处理跨行内容。
3. 构建跨行匹配模式
现在我们来构建能够匹配这些跨行垃圾信息的正则表达式。观察这些内容，它们通常有以下几个特征：
- 以多个空格加"※版本出处"开头
- 以"·著"结尾
- 中间包含任意字符（包括换行符）
基于这些特征，我们可以写出以下正则表达式：
^\s*※版本出处[\s\S]+?·著$让我们分解这个表达式：
^\s*：匹配行开头的任意数量空白字符※版本出处：匹配固定的开头字符串[\s\S]+?：非贪婪匹配任意字符（包括换行符）一次或多次·著$：匹配固定的结尾字符串
关键点在于[\s\S]+?中的?，它使匹配变为非贪婪模式，确保我们只匹配到第一个"·著"就停止，而不是一直匹配到文档末尾的"·著"。
4. 在Sublime Text中执行替换
现在让我们在Sublime Text中实际操作：
- 打开你的TXT小说文件
- 按下
Ctrl+H打开查找替换面板 - 确保正则表达式按钮被选中（.*图标）
- 在查找框中输入：
^\s*※版本出处[\s\S]+?·著$ - 替换框留空
- 点击"Replace All"按钮
执行后，所有匹配的跨行垃圾信息都会被删除。你可以通过Ctrl+Z撤销操作来确认效果。
5. 处理替换后的多余空行
删除大段文本后，往往会留下很多多余的空行。我们可以再用一个简单的正则表达式来清理：
- 在查找框中输入：
^\s*\n - 替换框留空
- 点击"Replace All"
这个表达式会匹配所有只包含空白字符的行（包括空行），并将其删除。
6. 高级技巧与注意事项
在实际操作中，你可能会遇到一些特殊情况：
变体匹配：有些垃圾信息可能使用"※出处"而非"※版本出处"。这时可以使用
※(版本)?出处来匹配两种形式。更精确的匹配：如果担心误删正文，可以限制匹配长度，例如
[\s\S]{1,200}?表示匹配1到200个字符。备份文件：在进行大规模替换前，务必先备份原始文件。Sublime Text的"File > Save As"功能可以快速创建副本。
分步验证：可以先只查找不替换（使用"Find"而非"Replace All"），确认匹配的内容确实是想要删除的。
7. 为什么[\s\S]+?比.*更好
很多初学者会尝试使用.*来匹配任意字符，但这里有三个关键区别：
.默认不匹配换行符，而[\s\S]可以*是贪婪匹配，会尽可能多地匹配字符+?组合实现了非贪婪的跨行匹配
比较一下两者的效果：
| 表达式 | 匹配范围 | 贪婪性 | 适用场景 |
|---|---|---|---|
.* | 单行内任意字符（不含换行） | 贪婪 | 单行文本处理 |
[\s\S]* | 跨行任意字符 | 贪婪 | 需要匹配到文档末尾的情况 |
[\s\S]+? | 跨行任意字符 | 非贪婪 | 精准匹配特定范围内的跨行文本 |
在实际清理小说文本时，[\s\S]+?几乎总是最佳选择，因为它能精准定位跨行内容而不会过度匹配。
8. 创建可重用的代码片段
如果你经常需要执行这类清理操作，可以在Sublime Text中创建代码片段：
- 点击"Tools > Developer > New Snippet"
- 输入以下内容：
<snippet> <content><![CDATA[ ^\s*※版本出处[\s\S]+?·著$ ]]></content> <tabTrigger>cleanbook</tabTrigger> <description>Clean novel garbage text</description> <scope>text.plain</scope> </snippet>- 保存为
clean-novel.sublime-snippet
之后，只需输入cleanbook并按Tab键，就会自动插入这个正则表达式。
9. 处理其他常见文本问题
同样的技术可以应用于其他文本清理场景：
- 删除HTML标签：
<[^>]+>（匹配所有尖括号内的内容） - 统一段落间距：
\n{3,}替换为\n\n（将三个以上换行缩减为两个） - 修复错误断行：
([^\n])\n([^\n])替换为$1 $2（将单行断开的句子重新连接）
记住，复杂的清理任务可以分解为多个简单的正则表达式步骤，逐步处理。
