regex - 如何匹配第一个字母或数字后的所有制表符?
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
解决方案
您可以使用否定的Lookbehinds来确保选项卡不在行首。
尝试以下模式:
(?<!^)(?<!\t)\t+
演示。
细节:
(?<!^)
- 不在行首。(?<!\t)
- 前面没有制表符(避免匹配上述制表符之后的制表符)。\t+
- 匹配一个或多个制表符(与 相同\t{1,}
)。
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()))
在线尝试。
附录:
只要缩进仅使用制表符,上面的模式就可以工作。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,则可以改用以下模式:
\S+(\t+)
在这种情况下,您可以从组 1 中提取匹配的选项卡。或者对于替换,您可以使用(\S+)\t+
并替换\1
为删除选项卡(或用\1x
替换选项卡x
)。
推荐阅读
- c# - 如何获取 List 中项目的所有属性并使用 LINQ 将它们转换为 GridColumn?
- python - 在发生此 Keras/TensorFlow CPU 错误后,我的代码是否仍在运行?
- css - 在 Selenium 中验证大小和坐标
- mysql - 应用程序无法启动 :::“无法配置数据源:未指定 'url' 属性,并且无法配置嵌入式数据源。”
- html - 增加Firefox中内容的高度
- java - 如何将(Object obj)这种类型的对象转换为 JSON 然后返回?
- json - 使用 jq 从 gpsd 输出计算使用和查看的卫星数量
- vue.js - :键在 v-for 上重新渲染列表中的一行 || 复合值作为 :key 而不是索引
- ibm-doors - 我们如何对 DOORS 中的视图进行排序
- typescript - 使用 Next.JS 进行实时 Typescript 检查