Question

我有一个非常大的文档，其中包含不同格式的节引用。我想用Python＆amp;提取这些引用。正则表达式。

字符串格式示例：

1）第23节

2）第45（3）条

3）第75节的（e）点

4）第21（1），54（2），78（1）条

现在，我有以下代码：

s = "This is a sample for Section 231" 
m = re.search('Section\\W+(\\w+)', s)
m.group(0)

输出为：Section 231

这完全有效，除了它没有考虑其他格式化案例。

有没有办法表明对于231(1)，还应该提取(1)？或者如果列出其他几个，请包括以下部分编号？

如果您认为Regex在这种情况下不是最好的，我也愿意使用其他库。谢谢！

Answer 1

尝试：

Sections?\W+(\w+)(\(\w+\))?(, (\w+)(\(\w+\))?)*

Demo

>>> s = 'Sections 21(1), 54(2), 78(1)'
>>> res = re.search(r'Sections?\W+(\w+)(\(\w+\))?(, (\w+)(\(\w+\))?)*', s)
>>> res.group(0)
# => 'Sections 21(1), 54(2), 78(1)'

说明：

Sections?匹配＆＃34; Section＆＃34;可选择s
\W+(\w+)(\(\w+\))?匹配部分编号/标题（正如您所做的那样）并在括号中添加可选文字
(, (\w+)(\(\w+\))?)*允许重复逗号和空格后的节号模式

修改
要排除Section 1 of Other Book，您可以使用字边界和否定前瞻的组合：

Sections?\W+(\w+)(\(\w+\))?(, (\w+)(\(\w+\))?)*\b(?! of)

Demo

\b确保您匹配到单词结尾

(?! of)检查单词边界后面没有空格，后跟of

Answer 2

可能永远不会成为一个全能的正则表达式 - 但是以下内容非常接近你想要的：

Sections?( *\d+((\(\d+\))*,?(?= *))*)+

Sections? = Section或Sections

( *\d+((\(\d+\))*,?(?= *))*)+ = 1或更多：0或更多空格，然后是1位或更多位数，可选地后跟大括号中的1位或更多位数，然后可选地使用逗号和0或空格。

＆＃39;尾随＆＃39;空间使用积极的前瞻，因此它不包含在匹配中，因此您不需要去除尾随空格。

Try it out

使用正则表达式提取特定单词后跟某些语法（如括号）

2 个答案: