1. 先说结论为什么排版要盯上Notepad你有没有遇到过这种情况从网页复制了一段文章贴到文档里格式乱成一团拿到一份几百行的清单每行结尾带着多余空格或者想把几十条数据统一缩进、加编号手动改到怀疑人生。我以前用记事本硬扛后来换了Notepad才意识到排版这件事根本不该靠手工一点点磨。Notepad是个轻量级文本编辑器启动快、占用低但它真正值钱的地方在于排版和文本处理能力。从基础的列编辑、Tab空格转换到正则表达式批量替换再到Python Script插件的自动化脚本它能处理的不是打开一个文件看看而是把一堆乱七八糟的文本整理成规范格式这种脏活。这套攻略适合谁整天跟代码、日志、爬虫数据、客户名单、网页文案打交道的人哪怕你完全没写过脚本只要按步骤走一遍也能上手。2. 基础排版三板斧先把快捷键和视图模式玩明白2.1 列编辑模式Alt键按住批量的艺术我最早把Notepad当真香工具用就是从列编辑开始的。普通编辑器的思路是一行一行改列编辑的思路是一列一列改。按住Alt键然后按住鼠标左键纵向拖选你会看到一个矩形选区这时候直接输入内容所有被框住的行会同时被插入或替换。实际场景太多了。我有一次要处理一份几十行的配置列表每行前面都要加#注释符用列编辑就是按住Alt从第一行行首往下拖到最后一行行首松开鼠标直接输入#完事。还有批量给每行加序号、在表格类文本里统一调整某一列的宽度列编辑都能一次搞定不用写任何公式。需要注意列编辑模式下CtrlC、CtrlV的行为跟普通模式不一样。你复制的是一个矩形块粘贴的时候也是以矩形块的形式插入这个特性用来做多行同时补全特别顺手。比如你有一列数据长短不齐想在最右侧统一补一个逗号就先按住Alt纵向选中每行末尾的那块空白区域再直接输入逗号所有行会在同一位置多出这个字符。2.2 Tab与空格缩进统一是排版的地基很多排版乱象的根源其实是Tab和空格混用。同一个文件里有的行用Tab缩进有的行用四个空格缩进在编辑器和终端里显示效果完全不一样尤其是YAML这类对缩进敏感的格式混用直接导致解析报错。Notepad的编辑菜单里有两个命令把空格转成Tab以及把Tab转成空格。我的建议是处理任何规范类文本一律把Tab转成空格因为空格在任何环境、任何编辑器下显示都一样不会因为Tab宽度设置不同而错位。操作路径是编辑→空白操作→Tab转空格也可以先在设置→首选项→语言里把Tab替换为空格这个选项打开新输入的缩进就直接变成空格。这里有个细节容易被忽略转换前先检查视图→显示符号→显示空格与Tab让不可见字符显形。你会很直观地看到哪些行是Tab显示为箭头哪些行是空格显示为点转换完成之后再看一眼确保没有遗漏。实测下来几百行的文件转换瞬间完成文件大小也不会明显变化。2.3 视图选项自动换行、字符边界与行尾显示排版不光是改内容也包括看起来舒服。Notepad的视图菜单里我常年开着三个选项。第一个是自动换行。遇到超长行不开自动换行就得疯狂横向滚屏开了之后文本在窗口边缘自动折行阅读体验立刻改善。注意自动换行只是显示层面的变化不改变文件实际内容保存还是原始的一行。第二个是显示符号。建议开启显示空格与Tab显示行尾符这样换行符是CRLF还是LF一目了然空格和Tab也看得清清楚楚。排查那些看起来一样但就是匹配不上的问题时这个开关是救命级别的好用。第三个是文档状态栏。窗口右下角会显示当前文件的编码格式比如UTF-8、GB2312和行尾格式Windows CRLF还是Unix LF。我处理跨平台文件的时候习惯先瞄一眼右下角再决定后续操作方向。3. 文本整理与批量格式化脏数据变干净3.1 排序与去重清单类数据10秒搞定拿到一份无序的名单、IP列表或者关键词表手动排序简直是浪费时间。Notepad的编辑→行操作里提供了排序功能可以按升序或降序排列还能选择按文本排序还是按数字排序。排序有个细节默认排序是ASCII码顺序大写字母会排在所有小写字母前面如果你处理的是英文关键词或代码变量可能会出现ABZ排在abc前面这种反直觉的结果。这时候需要用插件或者先把大小写统一再排序最后恢复。另一种更稳妥的办法是先用正则把所有字母转成小写排序后再转回来不过操作时要小心别把专有名词也改了。去重稍微麻烦一点文本去重有两种思路。一种是Notepad 8.x以上版本自带的编辑→行操作→删除重复行功能注意这个功能选项包括删除重复行和删除重复行保持顺序。保持顺序的版本更实用因为大多数场景下你不仅想去重还想保留原有排列逻辑。另一种是用插件TextFX的Sort Lines功能但老版本TextFX在64位Notepad上插件兼容性略麻烦新版内置功能反而更省事。3.2 行操作合并、拆分与按宽度重排清单类数据有时候需要从多行合并成一行比如把一行一个关键词的列表合并成逗号分隔的连续文本。Notepad的编辑→行操作→合并行能把选中的多行合并成一行但如果几百行一次性全合并行与行之间会直接粘连成一段没有分隔符这往往不是你想要的结果。更可控的做法是用正则替换查找\r\n替换成,这样每行之间会自动补上逗号和空格。Windows换行符是CRLF如果你处理好之后发现替换没生效先去看右下角显示的行尾格式是不是LF如果是LF就得查找\n。这个差异是跨平台文本最经典的一个坑。拆分的需求也很常见。一长段文本想按固定宽度拆成多行或者按标点符号拆行同样用正则解决。按每60个字符一行的场景正则表达式比较复杂我一般直接交给Python Script处理后面会讲到。纯编辑器操作的话最简单的方案是查找→替换里把句号、分号等符号替换成符号加换行符快速做粗粒度拆分。3.3 批量清理空行、行尾空格与多余空白从网页复制的文本最烦人的就是大量空行和行尾空格。行尾空格在代码里虽然不可见但会导致代码规范检查报错、日志比对不一致、CSV字段多出不可见字符。清理手段就是正则替换查找[ \t]$替换为空。这个表达式的意思是匹配行尾的一个或多个空格或Tab。删除空行稍微要动点脑筋。如果只是单纯的空行查找^\r\n$替换为空就能删掉但现实中很多空行里面带着空格或Tab肉眼看不到正则就匹配不上。我的习惯是分两步走第一步先清理行尾空格和Tab第二步再用^\r\n$删除空行这样最稳妥不会漏掉那些隐形空行。有个容易迷惑的地方如果你开了自动换行屏幕上看到的空行可能是长行折行后的视觉残留实际上并没有换行符。判断标准只有一个——是否开启视图→显示符号→显示行尾符看到明确的行尾标记才算判断准。4. 正则表达式批量排版的高级玩法4.1 先搞懂三个基石元字符、字符类、量词正则没你想的那么难抓住了根实际排版场景里翻来覆去用的就是那几个概念。第一个是元字符。点号.匹配任意字符换行符除外星号*表示前面的字符出现零次或多次加号表示一次或多次问号?表示零次或一次。这组符号组合起来就是各种匹配模式的地基。第二个是字符类用方括号[]表示匹配其中任意一个字符比如[0-9]匹配一个数字[a-zA-Z]匹配一个字母[ \t]匹配一个空格或一个Tab。第三个是分组用圆括号()把一段模式括起来后面可以用$1引用第一个分组的内容这个在替换场景里极其重要。Notepad的查找替换支持正则表达式勾选匹配模式里的正则表达式单选框就切换到正则模式。官方帮助文档里也内置了正则语法帮助拿不准的地方按F1翻开查一下别硬背。4.2 六个可直接抄的正则排版场景直接上实例都是我反复用过的场景复制过去改改就能用。场景一去除行尾空格查找[ \t]$替换为空。这个最常用因为行尾空格不可见但后患无穷。场景二合并多个空行为一个查找(\r\n){2,}替换成\r\n。实测在Windows文件里效果很好能避免手动按Delete删除几十个空行。场景三中文与英文/数字之间加空格查找([\u4e00-\u9fa5])([A-Za-z0-9])替换成$1 $2。排版公众号文章或技术文档的时候中英文之间加空格是常见规范手动加太累用这组正则批量跑一遍全文的中英文边界一次性补齐。反向的情况——英文/数字后面跟中文再跑一遍([A-Za-z0-9])([\u4e00-\u9fa5])替换成$1 $2。场景四去除HTML标签查找[^]替换为空。爬虫或者从网页复制内容时剩下满屏标签这个表达式直接剥掉所有尖括号开头的标签。场景五手机号中间四位脱敏查找(\d{3})\d{4}(\d{4})替换成$1****$2。注意这里的\d匹配一个数字{3}表示前面的模式出现三次整体就是把11位手机号里的第4到第7位替换成星号。场景六清理每行多余的前后空白查找^[ \t]|[ \t]$替换为空。这个表达式把行首尾的空白一起清掉比单独清理行尾更彻底。4.3 正则易错点贪婪、转义与换行符差异正则排版踩得最多的坑就是把贪婪匹配当成懒惰匹配用。.*和.*?的区别是个经典案例.*是贪婪的会一直匹配到最后一个为止.*?是懒惰的匹配到第一个就停。处理HTML标签的时候用前者可能一整段文字连标签带内容全部被吞掉换成.*?或者直接用[^]才安全。再说转义。点号.在正则是任意字符要匹配字面上的点必须写成\.。星号*、括号()、方括号[]同样要转义才能匹配字面字符。很多新手第一次写匹配IP地址的正则写成\d\.\d\.\d\.\d中间的点号如果忘了转义匹配结果就完全不对。换行符差异也常出事。Windows的CRLF在正则里要写成\r\nUnix/Linux的LF写成\n。如果文件是LF结尾你拿\r\n去匹配永远匹配不到。稳妥做法是先把行尾统一我习惯在编辑→行尾转换里指定为Windows格式等正则处理完再切回目标格式省的因为换行符差异反复试探。5. Python Script插件把排版流程做成自动化脚本5.1 插件安装与运行环境排版操作一旦超过五六个步骤手工点菜单就有点反人类了。这时候Python Script插件就该上场它把Notepad的底层编辑能力暴露给Python脚本意味着你可以把一组排版动作打包成一个脚本随时运行顺便还能做点循环、条件判断、批量文件处理。安装路径有两条。一条是从插件管理器装打开Notepad在插件→Plugins Admin里找到Python Script勾选安装。另一条是手动下载去GitHub项目页找到对应版本和位数的PythonScript DLL文件解压后放到Notepad安装目录的plugins文件夹下重启后生效。手动安装的时候注意插件版本位数必须跟Notepad一致64位的Notepad对应64位插件装错直接打不开软件。装好之后在插件→Python Script菜单下能看到New Script、Configuration等选项。New Script用来新建脚本文件保存为.py文件会自动出现在Scripts菜单里点一下就能运行。5.2 第一个实用脚本空行、行尾空格一次清脚本怎么跟编辑器交互核心是editor这个对象它封装了当前文档的操作接口。最常用的方法有两个editor.pyreplace(pattern, newText)执行正则替换以及editor.getText()、editor.setText()读写整个文档内容。先写一个实用性很高的脚本清理全文行尾空格、删除多余空行、把多个连续空行压缩成一个。# 清理全文行尾空格与Tab editor.pyreplace(r[ \t]$, ) # 将3个及以上连续换行压缩为1个 editor.pyreplace(r\r\n\r\n\r\n, \r\n\r\n) # 删除完全空白的行含行内仅有空格或Tab的行 editor.pyreplace(r^[ \t]$, ) # 如果行尾是LF则用下面的写法 # editor.pyreplace(r^[ \t]$, ) # editor.pyreplace(r\n\n\n, \n\n)这个脚本能处理大多数从网页或PDF复制来的脏文本。第一次跑之前先备份原文件因为替换操作不可撤销跑完发现效果不是预期CtrlZ未必能恢复到最初状态。5.3 进阶脚本网页文本清洗与批量编号接下来写一个稍微复杂一点的场景从网页复制来的内容往往带着缩进、多余的空白、HTML残留实体甚至每行前后都有乱七八糟的空格。手工整理半小时脚本只要几秒。import re # 读取当前文档全部内容 text editor.getText() # 去掉HTML标签 text re.sub(r[^], , text) # 把HTML实体替换成实际字符基础映射 text text.replace(nbsp;, ) text text.replace(amp;, ) text text.replace(lt;, ) text text.replace(gt;, ) # 合并连续空白为一个空格 text re.sub(r[ \t]{2,}, , text) # 清理行尾空格 text re.sub(r[ \t]$, , text, flagsre.MULTILINE) # 把内容写回编辑器 editor.setText(text)运行后当前文档会直接变成清洗后的版本速度快得肉眼都看不到过程。这段脚本里用到了Python的re模块和editor.getText()、editor.setText()的完整读写组合理解了这套接口后面写批量编号、批量格式化就水到渠成。批量编号是另一个高频需求。给每一行加序号本质是遍历所有行在行首拼上1. 、2. 这种前缀。Python Script里可以通过editor.getText()拿到全文再按换行符拆分处理。text editor.getText() lines text.split(\n) # 给非空行加上序号跳过空行 counter 1 new_lines [] for line in lines: if line.strip() : new_lines.append(line) else: new_lines.append(%d. %s % (counter, line)) counter 1 editor.setText(\n.join(new_lines))跑完之后每一行自动带上递增序号比手工逐个打字省力太多。5.4 脚本运维快捷键绑定与多脚本管理脚本多了以后每次从菜单点很费手。我给最常用的脚本绑了快捷键操作路径是插件→Python Script→Configuration或者设置→管理快捷键→Plugin commands里找到对应脚本设置快捷键。我习惯把清理空行空格绑定成CtrlAltCHTML标签清洗绑定成CtrlAltH。多脚本管理有个容易乱的地方脚本文件默认放在Notepad安装目录下plugins\config\PythonScript\scripts里。建议每个脚本命名时带上场景前缀比如clean_whitespace.pystrip_html.pyadd_line_numbers.py并在文件开头写注释说明用途。一段时间不维护你根本记不住哪个脚本是干嘛的注释就是自己的救命稻草。6. 宏录制不需要写代码的重复操作自动化6.1 三分钟上手宏录制不想写代码的时候Notepad的宏录制功能能覆盖一部分自动化需求。核心思路跟Office的宏一样你操作一遍它记下来下次一键重放。操作流程是点击宏菜单下的开始录制然后正常操作编辑器比如执行查找替换、删除某类字符、调整缩进操作完成之后点停止录制接着会弹窗提示保存宏起个名字顺手绑定一个快捷键。以后遇到同样场景按一下快捷键所有操作按顺序自动执行一遍。我用得最多的一个宏是清理并合并为一行先替换所有换行符为逗号再清理多余空格最后把连续的逗号去重。整个过程三步手工操作录成宏之后变成一键完成。很多繁琐但固定不变的流程都可以这么处理。6.2 宏和Python Script怎么选宏和Python Script都能实现自动化区别在于复杂度和灵活性。宏录制的是固定操作序列没有判断、没有循环适合反复做同一套动作的场景。Python Script则能写循环、条件分支、批量处理文件遇到每10行加一个分隔符当某行包含特定关键词时删除该行这类需求宏就抓瞎了。我的选择标准非常简单操作步骤在五步以内、逻辑完全固定用宏只要涉及条件判断或者需要循环直接上Python Script。实际工作中80%的排版自动化我交给了Python Script宏只用来处理那种一摸一样的活反复做的场景。宏的好处是不用记任何语法录一遍就完事。7. 编码与格式排版路上最大的隐型坑7.1 乱码排查思路排版到一半发现全文变锟斤拷第一反应别慌。乱码的根源是文件的编码和编辑器解析编码不一致。Notepad打开文件时会自动猜测编码某些情况下的识别结果跟文件真实编码不一致就显示成乱码。排查顺序我来回用了无数次。先看右下角状态栏显示的当前编码再对照文件的真实来源推测编码。最常见的两种情况一是UTF-8文件被识别成GB2312二是GB2312文件被识别成UTF-8。处理方式是打开文件后在格式菜单里选择转为UTF-8编码或者转为ANSI编码选对了乱码自然消失。注意转为和以某种编码打开是两回事前者会改写文件后者只在当前会话重新解析拿不准的时候先选后者看效果确认无误再决定要不要做真正的转换。7.2 BOM与行尾符跨平台翻车现场UTF-8编码有个隐藏属性带不带BOM。BOM是文件开头几个不可见的字节用来标识编码方式但某些环境不认它。写PHP、Python脚本或者Linux下跑的程序遇到UTF-8带BOM的文件可能会报错表现为文件开头出现一个神秘字符或者解析器报unexpected character。Notepad里可以看到文件是否带BOM状态栏会显示UTF-8-BOM还是UTF-8。需要换掉的时候格式菜单里有转为UTF-8编码无BOM选项。我个人习惯是统一存成无BOM的UTF-8这是兼容性最广的选择。行尾符的坑前面提过再强调一次。Windows的CRLF和Unix的LF不统一脚本执行、版本控制差异对比、压缩包内文件解析都可能出问题。解决办法是编辑→行尾转换里统一格式处理完看右下角确认状态再保存。7.3 批量转换编码与文件操作建议一次只转一个文件还好几十个文件要批量改编码就麻烦了。Notepad本身没有直接批量转换编码的功能但可以用Python Script遍历目录逐个文件读取-转换-写回。核心思路是用Python的codecs模块处理编码转换文件读取时以原编码解码再以目标编码编码写回。写这类脚本要特别小心转换前务必确认文件的原始编码否则转了等于没转甚至更乱。我的做法是先拿三个样本文件做全流程测试确认转换后内容正常再对全目录运行。另外一个关键建议是所有转换操作都先复制一份原文件到备份目录宁可后面手动清理也不要在没有备份的情况下批量改写重要文件。编码转换是不可逆操作一旦搞错原始数据可能彻底丢失。最后再分享一个小技巧排版这件看起来琐碎的事其实能把它们沉淀成一整套工序。每次遇到新的反人类文本格式我先花十分钟想想能不能用正则或脚本自动化而不是直接手动开干。长期积累下来的脚本和宏就是自己的工具箱下次再碰到同类问题几秒钟就处理完这才是效率的真正来源。