Question

尝试使用正则表达式识别我的文本数据的结构并点击路障。

下面的示例文本

我是一个标题：
  Lorem Ipsum只是打印的虚拟文本   和排版行业。 Lorem Ipsum一直是行业的佼佼者   自16世纪以来的标准虚拟文本。

我是TAB- Lorem Ipsum只是打印的虚拟文本

我的下面正则表达式选择了“我是一个标题：＆＃39;和我是一个选项卡 - ＆＃39;

^\s*(?:\b[A-Z]+\b[\s]*)+(?:[:-])\s*$

请建议编辑以匹配“我是标题”＃39;并且＆＃39;我是一个标签＆＃39;并且忽略终结标记＆＃39;：＆＃39;和＆＃39; - ＆＃39;。

Answer 1

您可以使用

^\s*(?:\b[a-zA-Z]+\b\s*)+(?=[:-])

请参阅regex demo

正则表达式细分：

^ - 字符串开头
\s* - 0个或更多空格
(?:\b[a-zA-Z]+\b\s*)+ - 1个或多个序列
- \b - 字边界（冗余）
- [a-zA-Z]+ - 一个或多个字母
- \b\s* - 0个或更多空格。
(?=[:-]) - 需要:或-在前一个子模式之后的前瞻

此处的要点是将[a-z]添加到[A-Z]范围，删除\s*$并将(?:...)非捕获组转为前瞻（不消耗）字符）。

Answer 2

这里的@ stribizhev解决方案非常有魅力。

^\s*(?:\b[a-zA-Z]+\b\s*)+(?=[:-])

对于像我这样的新手，这是解决方案的简单解释：

> ^\s      Anchor to the white space (tab, newline, blankspace)
> *        Look for repetition of white space if any 
> (?:      Start a non-capturing group 
> \b       Look for a word 
> [a-zA-Z] Anyword that starts with either a capital or small alphabet
> +        Look for repeating capital/small alphabets
> \s*      Match a blank space after the word 
> )+       Repeat 
> (?=      Ignore what follows (my best guess) 
> [:-]     Look for ':' or '-'

本质上，这个正则表达式在换行符中查找单词组，然后是＆＃39;：＆＃39;或者＆＃39; - ＆＃39;

通过将{n，m}添加为

，告诉它超出有多少单词开始丢失相关信息，使上述表达更加智能化

^[\s]*(?:\b[a-zA-Z]+\b[\s]*){1,3}(?=[:-])

正则表达式匹配第一个大写字母

2 个答案: