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:
(?<!^)
- 不在行首。
(?<!\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