如何匹配第一个字母或数字后的所有制表符?

Posted

技术标签:

【中文标题】如何匹配第一个字母或数字后的所有制表符?【英文标题】:How to match all tab characters after first letter or number? 【发布时间】:2021-08-30 20:43:47 【问题描述】:

我想使用 REGEX 来匹配出现在第一个字母或数字之后的所有制表符。如下图所示,我有一个分层文本文件,每个级别的类别都标有 TAB (\t) 字符。

经过一些研究,我发现了几乎符合我愿望的正则表达式:

正则表达式:\b[\t]1,\b

问题:

如下图所示,此 REGEX 不会选择出现在以点结尾的字符串(1.、2.、3.、4. ...)之后出现的 TAB。

有谁知道如何在 REGEX 中也包含这种模式?

这是我的示例的部分文本:

    BBHH    Balanço Patrimonial
            1.      ATIVO                                           Assets
                1.1     CIRCULANTE
                1.2     NÃO CIRCULANTE
            2.      PASSIVO                                         Liabilities and Equity
            3.      RECEITAS
            4.      CUSTOS E DESPESAS
                4.1     CUSTOS DE PRODUTOS VENDIDOS E SERVIÇOS
                        4.1.1       CUSTOS DE PRODUTOS VENDIDOS
                            4.1.1.1         CUSTOS DE PRODUTOS VENDIDOS

【问题讨论】:

【参考方案1】:

您可以使用否定的Lookbehinds 来确保制表符不在行首。

尝试以下模式:

(?<!^)(?<!\t)\t+

Demo.

详情:

(?&lt;!^) - 不在行首。 (?&lt;!\t) - 前面没有制表符(避免匹配上面的制表符)。 \t+ - 匹配一个或多个制表符(与\t1, 相同)。

Python 示例:

import re

text = ("\tBBHH\tBalanço Patrimonial\n"
    "\t\t\t1.\t\tATIVO\t\t\t\t\t\t\t\t\t\t\tAssets\n"
    "\t\t\t\t1.1\t\tCIRCULANTE\n"
    "\t\t\t\t1.2\t\tNÃO CIRCULANTE\n"
    "\t\t\t2.\t\tPASSIVO\t\t\t\t\t\t\t\t\t\t\tLiabilities and Equity\n"
    "\t\t\t3.\t\tRECEITAS\n"
    "\t\t\t4.\t\tCUSTOS E DESPESAS\n"
    "\t\t\t\t4.1\t\tCUSTOS DE PRODUTOS VENDIDOS E SERVIÇOS\n"
    "\t\t\t\t\t\t4.1.1\t\tCUSTOS DE PRODUTOS VENDIDOS\n"
    "\t\t\t\t\t\t\t4.1.1.1\t\t\tCUSTOS DE PRODUTOS VENDIDOS\n")

matches = re.finditer(r"(?<!^)(?<!\t)\t+", text, re.MULTILINE)

for matchNum, match in enumerate(matches, start=1):
    print ("Match matchNum was found at pos:start.".
           format(matchNum = matchNum, start = match.start()))

Try it online.


附录:

只要缩进仅使用制表符,上述模式就可以工作。如果您的文本文件可能混合了用于缩进的制表符和空格字符,您可以改用以下模式:

\S+(\t+)

在这种情况下,您可以从组 1 中提取匹配的选项卡。或者作为替换,您可以使用 (\S+)\t+ 并替换为 \1 以删除选项卡(或使用 \1x 以将选项卡替换为 @ 987654334@).

【讨论】:

以上是关于如何匹配第一个字母或数字后的所有制表符?的主要内容,如果未能解决你的问题,请参考以下文章

菜鸟第二周

re模块

re模块

UVa-10815 安迪的第一个词典

正则表达式的空值该如何写?

初始正则表达式