批量处理文件，除了 Python，不妨试试 VIM！

大家好，我是老表

在之前的办公自动化系列文章，我们大多基于 Python 实现，因为使用 Python 具有灵活、强大的特点。使用 VIM 具有快速、可视化的优势。两者对大量同构文本进行修改，可大幅提高工作效率。但相较于编写 Python 程序，VIM 可视化执行更胜一筹。

这也提示我们，Python 不是万能的——至少在某些方面、某些场景下，不一定是最优解。合适的工具运用到合适的场合是效率最高的方式。不能自己是锤子，看什么就都是钉子。

在对 VIM 不熟悉的用户看来，VIM 的操作过程可能更复杂、难懂。但这是先入为主的印象，VIM 处理文本还是很方便快捷的：我们有了 Python 这把锤子，不排斥再来 VIM 这个锯嘛，这样才能“工欲善其事，必先利其器”。本文将对比使用 Python 和 VIM 对同一个文本编辑任务处理的情况。

有大量类似结构的文本文件需要处理，目录结构如下：

E:.
└─content
    ├─a
    │ └──content.txt
    ├─b
    │ └──content.txt
    └─c
      └──content.txt 

其中的每个文件 content .txt内容结构如下：

<vsbimg src="/_vsl/012A716D176AFA6EBBAF64BD4CB63BCA/994A4168/AE5BB"></vsbimg>
<vsbimg src="/_vsl/2ADBFFCE33AAE9B2E79E758EF6AD5626/CEFD12BB/A8DC5"></vsbimg>

要求是：

• 将 <vsbimg></vsbimg> 标签改为 <img></img> 标签。
• 将 /_vsl/012A7 表示的相对地址，变成另一个 URL 地址，如 http://image.xx.com/image/。
• 将 src 的最后两个/改为 _。
• 将整个 src 最后加上图片后缀 .png。

修改后的文件为：

<img src="http://image.xx.com/image/16D176AFA6EBBAF64BD4CB63BCA_994A4168_AE5BB.png"></img>
<img src="http://image.xx.com/image/FCE33AAE9B2E79E758EF6AD5626_CEFD12BB_A8DC5.png"></img>

首先让我们用 Python 编写程序来完成，代码比较简单，但面对如此简单的问题，写一个程序还是“高射炮打蚊子” 了。而且调试 Python 正则表达式，并不是一个直观的过程。

import os
import re


def rep(strs):
    strs = re.sub(r'<vsbimg',r'<img',strs)
    strs = re.sub(r'<\/vsbimg',r'</img',strs)
    strs = re.sub(r'(/_vsl/.*?)/',r'\1_',strs)
    strs = re.sub(r'(/_vsl/.*?)/',r'\1_',strs)
    strs = re.sub(r'(src=".*?)"',r'\1.png"',strs)
    strs = re.sub(r'src="/_vsl/.{5}',r'src="http://image.x.com/image/',strs)
    return strs


def op(fn):
    fn2 = os.path.join(os.path.split(fn)[0],os.path.split(fn)[1]+'new')
    with open(fn,encoding='utf-8') as f,open(fn2,'w',encoding='utf-8') as f2:
        for l in f.readlines():
            l = rep(l)
            f2.write(l)

for r,_,fs in os.walk('content'):
    for f in fs:
        if f.endswith('txt'):
            fn = os.path.join(r,f)
            op(fn)

杀鸡不用牛刀，咱们改用 VIM 试试。

VIM 最主要好处就是：构造查找正则表达式时结果可视化，这样就可以逐步求精地写正则表达式，反之刚才写程序时，我得来回测试，十分费力。

下面是使用 VIM 实现需求所需要注意的几点

• 本例使用 VIM 中的 :%s 替换指令很容易完成替换操作。正则表达式构造需要慢慢来。
• 如果牵涉到复杂替换时，还需要对搜索结果分组，以便使用分组结果。
• 为了批量完成序列替换操作，需要将操作写入批处理脚本，再用 :source 执行脚本。
• 以上操作在单文件中执行，为了在许多文件中同时完成，需要使用缓冲区执行 :bufdo 命令。

3.1 构造正则表达式搜索

为了替换 <vsbimg，我们构造一个查找正则表达式。

构造出的表达式如下：

/<vsbimg

这个表达式搜索了 <vsbimg 开头的所有内容。

“

在 / 指令后按向上箭头表示上一次输入的查询历史。按 q/ 表示所有查询历史，可以在此历史上修改，这样就可以逐步精化。

”

3.2 替换

常规替换指令 :%s/pattern/string/g，留空的查询域表示上次搜索的结果。在上步查询基础上，我们可以使用 :%s//<img/g 的方式完成更改。

“

这个操作很重要：很多复杂的正则表达式，不可能一步直接构造出来；采用搜索的方法，可以高亮显示每次的搜索结果，进而改进正则表达式。而替换时留空查找域，直接表示上次搜索结果，极大方便了替换操作。使一步替换操作转换为：搜索，替换两步，降低了难度，提高了效率。

”

注意以下替换语句，使用了 \ 转义字符来匹配 </vsbimg> 的特殊字符 \。

:%s/<\/vsbimg/<\/img/g

3.3 搜索结果分组、使用

在对 \ 转换为 _ 的操作中，我们需要记住之前的匹配对象，用来在替换时作为不改变的内容引用。

这里用 () 圈起来需要分组的部分，在搜索或者替换部分用 \1 表示第一个分组，以此类推。具体看代码：

:%s/\("\/_vsl\/.\{-1,}\)\//\1_/g 

因为有两个 \，所以需要执行两次。

替换域里的 \1 指代的是 () 中的匹配内容，也就是 src 从 \_vsb/ 之后遇到的第一个 \ 为止的内容。当替换时，我们依然把这部分，用 \1 使用上，只是把 \ 改为\_。

3.4 非贪婪模式

上例子可见 .\{-1,} 的代码，这是对任意字符进行非贪婪匹配，以缩小 / 适配范围，适配到第一个 / 为止，不再继续贪婪最大适配。

在给 src 添加 .png 后缀时，也使用了分组和非贪婪概念。将 src 到第一个"的内容视为一个分组，然后替换为分组内容和 .png"。

:%s/\(src=".\{-1,}\)"/\1.png"/g

将相对地址修改为 URL 时，URL 部分需要进行很多次转义。

:%s/src="\/_vsl\/.\{5\}/src="http:\/\/192\.168\.22\.117\/cnv\/jflyfox\/mtg\/cnvImage\//g

最后，我们把以上修改保存进原文件:w。

以上，我们通过搜索和替换操作，完成了对单个文件的修改。

如果对每一个文件都执行如上的程序，就显得比较复杂了，好在 VIM 支持批处理操作。

3.5 批处理文件执行 source

这里，我们将以上操作步骤，写到 oper.vim 文件中去。

:%s/<vsbimg/<img/ge
:%s/<\/vsbimg/<\/img/ge
:%s/\("\/_vsl\/.\{-1,}\)\//\1_/ge
:%s/\("\/_vsl\/.\{-1,}\)\//\1_/ge
:%s/\(src=".\{-1,}\)"/\1.png"/ge
:%s/src="\/_vsl\/.\{5\}/src="http:\/\/192\.168\.22\.117\/cnv\/jflyfox\/mtg\/cnvImage\//ge
:w

在另一个新的待处理文件中，我们输入 :source oper.vim，就将以上所有操作在新文件中重做。

操作一个新文件可行了，如何操作大批量的文件呢？

“

按 q: 表示所有替换历史，将这些替换命令拷贝出来，避免输入带来的麻烦和错误。

”

3.6 缓冲区批量执行 bufdo

VIM 的 Buffer 缓冲区，相当于内存。当我们具体修改某个文件时，实际是在内存中对他进行修改，只有当输入 :w 命令时，修改才写回硬盘。

使用 vim a.txt b.txt 指令，一次性打开两个文件，当前访问和修改的是 a.txt。使用指令 :bnext 在缓冲区之间跳转。指令 :ls 列出了当前所有缓冲区文件。

使用 vim *.txt，批量打开 txt 后缀的文件。

在当前缓冲区列表上的所有文件执行命令，输入 :bufdo excommand。

本文中我们打开目录 a，b，c 下的 content.txt 文件，使用 vim content/*/*.txt 即可。在打开的窗口中执行 :ls 即可查看当前缓冲区文件。确认无误后，执行 :bufdo source oper.vim ，即可完成对所有缓冲区文件的修改。

“

抑制错误：当我们使用以上 vim 脚本时，很容易因为搜索规则或者文本问题导致出错，进而导致脚本停止。在每个替换语句之后加上 e ，用来表示抑制错误，就可以修正这个问题。

使用 VIM 中的替换指令很容易完成操作。但正则表达式构造需要慢慢来。逐步求精，还可能需要分组和非贪婪模式。批处理文件 .vim 和 :source 命令可以大大简化工作。缓冲区列表执行 :bufdo 命令则进一步提高工作效率。

VIM 编辑器处理这个问题，使用的技巧都比较通用，可以迁移到其他文本处理任务中。最主要的是，构造正则表达式的过程是直接反馈、可视化的，利于构造复杂表达式。

Python 不是万能的——至少在某些方面、某些场景下，不一定是最优解。合适的工具运用到合适的场合是效率最高的方式。不能自已是锤子，看什么就都是钉子。