Question

我有一个示例数据如下：

(1) fshfonlpjspfmnfmnsjoide                    (2)dfljslmnljoifsjdjmfdsjf
foslndlknjhoihfodsiolnlnlkdfshoipfjhndfs  subsection (3):wdjoinfeiu
(3)fwshfnlfgnoiuhwsoiuheoklnfsojoihoisnf
          (i)fdfssd
          (ii)flshf
   (4)fjdspfj;mf;jspiojepjasm;lfmsdjipoj

对于上面的示例，我想在我收到段落起始编号的每个点打破数据，例如（1），（2），（3）等模式

但是我不想像第（3）款那样突破，这不是一个真正的新段落。

我使用了正则表达式：pattern_string = "(\n|\s\s\s\s\s\s\s)\(\d+\)"

当新段落在（1）这样的新行中开始时它工作正常但在段落不从新行开始时不起作用，例如（2）以上样本。或者如果在新行中的模式之前有一个空格，例如（4）在它之前有一个空格。

Answer 1

尝试使用重复（对于正则表达式，使用原始（r'...'）字符串也是一种好习惯：

r"(^|\n\s*|\s{7,})\((\d+)\)"

这应匹配

处的数字

字符串的开头：^
新行，即使有空格：\n\s*
几个空格（至少7个）后：\s{7,}

示例：

>>> re.split(r"(?:^|\n\s*|\s{7,})\(\d+\)", your_text)

['',
 ' fshfonlpjspfmnfmnsjoide',
 'dfljslmnljoifsjdjmfdsjf\nfoslndlknjhoihfodsiolnlnlkdfshoipfjhndfs  subsection (3):wdjoinfeiu',
 'fwshfnlfgnoiuhwsoiuheoklnfsojoihoisnf\n          (i)fdfssd\n          (ii)flshf',
 'fjdspfj;mf;jspiojepjasm;lfmsdjipoj']

只需删除第一个空字符串，即可获得所有4个部分

使用python支持多个空格的正则表达式

1 个答案: