Android 台灣中文網

標題: [非標準字串] 正規表示式 + Excel 函數/VBA 工具 [打印本頁]

---

作者: kofkin00    時間: 2020-5-18 22:28
標題: [非標準字串] 正規表示式 + Excel 函數/VBA 工具

中篇：GB2312編碼 簡體中文(亂碼) → 繁體中文化 [非標準字串]

<研究動機>

   非標準字串，自有了畫龍字串替換器(GGGBOY 繁中化)提取英文/簡體/英簡字串，簡直如魚得水。但問題如何在破千破萬行混雜的程式段+真實字串段之中，『 火眼金睛 』離析命中真實字串段，節省許多寶貴時間，同時避開誤觸修改程式段造成回寫的錯誤！尤其如果要弄到Hex考慮字元長短，教人兩手一攤，折騰許久
不小心誤入過非標準字串歧路的道友，更能體會其標準字串的透剔美好。。。

<經驗假設>

個人流程構思是：英文字串較無亂碼問題，所以此帖主要探討GB2312編碼為主。
1.{初道過濾}提取字串後，GB2312編碼→ 簡轉繁→ 繁體.a 透過Notepad++
  正規表示式(regular expression)比對 簡亂碼+符號+英+數+繁體  逐步篩選(白名單)要的字串，8成是理想。

登錄/註冊後可看大圖

左圖很多字串無規律，若用Excel函數篩選程式碼字串(黑名單)非常難且多工，不如利用現成 Notepad++ 正規表示式做搜尋。用白名單形式會簡單多。 ☆但須注意一些特別樣式的正常字串，如下圖 登錄/註冊後可看大圖

2.{二道過濾}再貼到Excel 合併原始ANSI文字檔及轉繁體文字檔的行號列+繁體字串列，加以利用Excel函數及VBA手法。
3.{末道過濾}將Excel處理過的資料，貼回 回寫用的ANSI文字檔，流程1&2乃提升效率關鍵。人力校稿。
實際好處，可比較之前的帖子 中篇：GB2312編碼 簡體中文(亂碼) → 繁體中文化 [非標準字串] 之步驟9，當時方法是開兩個文字檔做Compare，一筆一筆全靠人力篩選與剪貼。

<操作說明>

使用『 畫龍字串替換器 』，當此次範例題材的簡單手法操演
因為Notepad++ 正規表示式難在保留(ID)行號列下只做字串列篩選，所以後續大部分拉到Excel處理。
◊原始.a 文字檔(ANSI編碼)，目的：無空白列，Excel方便往下拉(填滿公式/函數)
   方法一：編輯 → 行處理 → 移除空行(包含只有空白的行 ) 剩11038行

登錄/註冊後可看大圖