时间戳

首页 > 解决方案 > 如何匹配第一个字母或数字后的所有制表符？

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。

正则表达式匹配问题

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

标签： regexregex-groupreregexp-replace

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