7分钟搞定正则替换：批量清洗技术博客中的奇怪格式符号（含20个可套用Regex）

安全风信子

发布于 2025-11-18 15:42:48

1120

文章被收录于专栏：AI SPPECHAI SPPECH

一句话承诺：复制即用的正则清单+流程图，帮你把技术文章里的奇怪空格、中文标点、错位代码块一次性清理干净。

flowchart TD
    A[开始：文章原始文本] --> B{检测脏字符}
    B -->|全角空格/混合标点| C[统一为半角]
    B -->|重复空行/断行| D[压缩至单空行]
    B -->|代码块错位| E[修复围栏```]
    B -->|标题层级错乱| F[标准化#层级]
    C --> G[批量正则替换]
    D --> G
    E --> G
    F --> G
    G --> H[人工快速扫描]
    H --> I{是否仍有异常}
    I -->|是| B
    I -->|否| J[发布]

快速对照表：常见脏格式与处理动作

类型	典型症状	正则/动作	备注
全角空格	段落中出现“　”	替换为半角空格	影响断句与对齐
中文标点混用	“，”、“。”与英文逗号句号混排	统一为中文或英文	根据平台风格选择
重复空行	三行以上连续空行	压缩为一行	提升阅读紧凑度
代码围栏	缺少```或语言标注	补全并标注语言	代码高亮更稳定
标题层级	多个H1或跳级	统一成H2-H3	有利推荐系统识别

正则替换清单（可直接套用）

提示：多数IDE支持正则搜索替换（VS Code、JetBrains、Sublime等）。先全局替换，再人工扫一遍。

# 1) 全角空格 → 半角
\u3000+ -> " "

# 2) 连续空行压缩为单空行
(^\s*\n){2,} -> "\n\n"

# 3) 中文逗号统一为英文逗号（示例，根据需要定向）
， -> ,

# 4) 中文句号统一为英文句号（示例）
。 -> .

# 5) 去除行尾多余空格
[ \t]+$ -> ""

# 6) 统一代码围栏为三反引号
^``\s*$ -> "```"

# 7) 标题多余空格压缩
^(#+)\s{2,} -> "$1 "

# 8) 把Tab统一为2空格（示例）
\t -> "  "

# 9) Markdown表格对齐：去除行首行末空格
^\s+|\s+$ -> ""

# 10) 统一链接格式中的中文冒号
： -> :

# 11) 去除不可见控制字符
[\u0000-\u001F\u007F] -> ""

# 12) 统一引号为英文双引号（按需）
[“”] -> "

# 13) 统一单引号为英文单引号（按需）
[‘’] -> '

# 14) 把中文括号统一为英文括号（按需）
[（] -> (
[）] -> )

# 15) 压缩连续的多个空格为一个
 {2,} -> " "

# 16) 移除尾随的多余标点（示例）
[,.;:，。；：]+$ -> ""

# 17) 修复错位的列表项（去除多余前导空格）
^\s{3,}(-|\*)\s -> "- "

# 18) 统一行尾Windows换行为\n
\r\n -> \n
# 19) 替换中文引号包裹的代码为反引号
“([^”]+)” -> ` $1 `

# 20) 清理多余的标题井号尾随空格
^(#+)\s*(.*?)\s*$ -> "$1 $2"

示例：在 VS Code 中批量替换（演示流程）

示例代码块：一键清理脚本（Node.js）

const fs = require('fs');

function cleanse(text) {
  return text
    .replace(/\u3000+/g, ' ')
    .replace(/(^\s*\n){2,}/gm, '\n\n')
    .replace(/，/g, ',')
    .replace(/。/g, '.')
    .replace(/[ \t]+$/gm, '')
    .replace(/^``\s*$/gm, '```')
    .replace(/^(#+)\s{2,}/gm, (m, p1) => `${p1} `)
    .replace(/\t/g, '  ')
    .replace(/[\u0000-\u001F\u007F]/g, '')
    .replace(/[“”]/g, '"')
    .replace(/[‘’]/g, "'")
    .replace(/[（]/g, '(')
    .replace(/[）]/g, ')')
    .replace(/ {2,}/g, ' ')
    .replace(/[,.;:，。；：]+$/gm, '')
    .replace(/^\s{3,}(-|\*)\s/gm, '- ')
    .replace(/\r\n/g, '\n')
    .replace(/“([^”]+)”/g, '`$1`')
    .replace(/^(#+)\s*(.*?)\s*$/gm, (m, h, t) => `${h} ${t}`);
}

const input = fs.readFileSync('input.md', 'utf8');
fs.writeFileSync('output.md', cleanse(input));