文本是每天都在碰的，工具却常常是临搜的

先讲收藏理由。文本处理是少有的"人人都用、人人只记得一两个工具"的品类：复制粘贴时顺手搜个在线工具，搜到的多半是带广告、不知道把内容传去哪的小站。其实站内文本家族已经攒了五十来款，匹配、对比、大小写、全角半角、繁简、清洗、排版、命名、数字转换各有归属。这篇按用途过一遍，常用老面孔一笔带过，重点介绍平时想不起来的那批——下次再遇到"这文本不对劲"，先回这里查。

正则四件套：测试、生成、调试、替换

正则的老问题是"写的时候猜、用的时候慌"。正则表达式测试是老面孔，实时高亮命中，够用。补位的三款值得认识：正则生成器不要求你会写——选"数字+字母组合"“匹配邮箱"这类描述，它反向拼出表达式并解释每一段；正则调试器解决"匹配结果和我想的不一样”，把回溯过程一步一步摊开，贪婪匹配 (a+) 为什么会把整串吞掉，看一遍就懂；批量查找替换走文本替换，比编辑器里连点鼠标稳得多。

对比三档：哪里不同、谁改了、有多不同

最常用的是两方对比：把两份文本贴进文本对比，增删行直接高亮，合同改稿、配置前后核对一眼看清。进阶是文本三方对比——输入"原文 + 两个修改版"，分别对原文做行级差异，还会专门标出双方都动过的冲突行。它的场景是真实合并：同事各改了一版，普通两方对比只能告诉你"这两版差别很大"，三方对比直接告诉你"第 23 行你改了、他也改了，必须人工拍板"。第三档是文本相似度，基于编辑距离（增删改字符的最小次数）给出两段的接近程度，适合查重初筛、答案比对、报表里"这两个名称是不是同一个客户"这类模糊匹配。

字符级转换：大小写、全角半角、繁简、拼音

这一组处理的是"每个字符对不对"。大小写有大小写转换（全大写、全小写、词首大写）和句首大写——后者按句子分隔符只提句首字母，改英文摘要比逐词大写干净。全角半角是最阴险的坑：全角半角转换专治它，因为 １３８ 这样的全角数字人眼看着是数字，正则和校验器眼里根本不是——手机号、身份证号校验失败、搜索"明明有却找不到"，十有八九是这个原因。繁简转换用繁简体转换，常见词汇级映射；但一简对多繁的地方必须人工复核（“后"对"後"还是"后”、“发"对"發"还是"髮”），FAQ 里展开。汉字转拼音用拼音转换，有声调、无声调、首字母三种输出，做名单排序、席卡、给小孩认读都顺。想玩一点冷门的，文本倒置支持字符、单词、行三种倒序。

清洗与排版：从"粘贴进来乱糟糟"到能交稿

从网页复制带进来的不可见字符和乱缩进，空格格式化统一 Tab 与空格、去行尾空格、删空行；缩进深浅交给文本缩进，空格 Tab 互转。名单整理走行操作：排序、去重、过滤，终端里 sort | uniq 的活浏览器直接干。HTML 转成干净正文用HTML转纯文本，粘进邮件、编辑器不带标签。分隔符数据（逗号、竖线、Tab）转成表格用文本转表格，直接导出 Markdown 表格。至于去特殊字符、提邮箱手机号、按分隔符分割合并、词频统计这几件专职工作，站内早有对应的老牌工具在维护，本篇不重复堆目录，需要时在工具站文本分类下一搜就有。

命名、文案与数字转换

程序员专属一款：命名格式转换在 camelCase、PascalCase、snake_case、kebab-case 四种命名间互转，数据库字段映射到接口和类型定义时省掉一堆手误。做原型要占位文案，随机文本生成按段落出 Lorem Ipsum；要像样的中文文案，站内有按行业生成的占位文案生成器，更完整的自媒体发布流（排版、违禁词、口播时长自查）在《自媒体发布前三道关》里，两篇对照着用。数字类三款：中文数字转换做阿拉伯数字与中文数字互转，含财务大写（壹贰叁）；开正式发票金额仍以人民币大写转换的专用规则为准；罗马数字转换双向可用，2026 年就是 MMXXVI。字数、字符数统计用老熟人字数统计。

常见问题

两方对比和三方对比怎么选？

只知道"这两份哪里不一样"，两方对比足够。存在"共同祖先"的场景——原文和两个分头修改的版本——一定用三方对比：它会分别标出"你改的"“他改的”，并把双方都改过的行单独提示为冲突，这正是合并代码前需要人拍板的清单。

相似度评分能当语义判断用吗？

它是字面距离，不是语义理解。“今天天气很好"和"天气不错"字面差很多，意思却接近——这类工具适合查重初筛、同名录入核对、版本近似度判断，做"意思一样吗"的结论还得人工看。相似度接近 100% 而语义无关的情况基本不存在，反过来不行。

小结

按场景各记一件就够用：写不出正则找生成器，结果不对找调试器；改稿对比用两方、分叉合并用三方、近似判断用相似度；全角半角治校验失败，繁简互换防一简对多繁；粘贴乱用空格格式化，名单乱用行操作；字段名交给命名转换，发票金额交给人民币大写。这批工具全部在浏览器本地计算、文本不上传服务器——简历、合同、未发布的稿子，本来就不该经第三方服务器的手。