如何在Notepad++中用正则表达式批量删除PDF转换后出现的<数字>格式标记

兄弟，太懂你这种PDF转文本后被一堆乱标记烦到的感觉了！你遇到的这些<数字>、</数字>格式的标签，都是PDF转换过程中带出来的排版控制标记，完全可以用Notepad++的正则表达式一次性清理干净，咱们一步步来操作：

• 第一步：打开Notepad++的替换窗口，直接按快捷键Ctrl+H就行
• 第二步：在窗口的「查找模式」区域，一定要勾选「正则表达式」（不用勾选「.匹配换行符」，看你的例子这些标记都是单行的）
• 第三步：在「查找内容」输入框里，粘贴这个正则表达式：</?\d+>
  给你拆解下这个表达式的逻辑，方便你理解：
  • </?：匹配开头的<，后面的/?表示这个/是可选的，这样不管是<数字>还是</数字>都能被匹配到
  • \d+：匹配一个或多个连续的数字（正好对应标记里的数字部分）
  • >：匹配结尾的>
• 第四步：把「替换为」输入框留空，然后点击「全部替换」，瞬间就能把文档里几千个这类标记都清掉！

举个你给的例子，原来的文本是：

<4321>Aufnahme des neuen Hilfsaggregats Frequenzumrichter Siemens Sinamic G120C (Kapitel </4321><4337>9</4337><4343> dieses Berichts)</4343>

替换后就会变成干净的内容：
Aufnahme des neuen Hilfsaggregats Frequenzumrichter Siemens Sinamic G120C (Kapitel 9 dieses Berichts)

另外说下你之前遇到的问题：为什么转义<没用？其实在Notepad++的正则模式里，<并不是具有特殊含义的正则元字符（像.、*、+这些才需要转义），所以你之前加反斜杠反而多此一举了，直接写<就能正常匹配啦！

备注：内容来源于stack exchange，提问作者NICKINNK