Question

我正在尝试使用正则表达式解析目录。通常，提取的行看起来如下：

4.1.2行政........................................... .................................................. .................. Ii

或空格而不是点。我需要解析的是节号 - 在本例中为4.1.2 - 节名称 - 管理 - 和页码 - 在本例中为I-i。

到目前为止，我有以下部分：

.*(?=[.]{3,}|[ ]{3,})

但当然这会返回4.1.2管理。首先，我需要某种寻找后面的断言，寻找以下可能的组合：

从那里我得到部分名称，然后我需要另一个RE来获得部分编号X，X.，X.X，X.X。等。最后我需要一个RE来获取页码。我想做类似的事情：

(?<=[.]{3,}|[ ]{3,}).*

但是当然上面的RE不起作用，因为后视不支持量词，如{3，}

我最终想要的是

sectionNumber = "4.1.2"
sectionName = "Administrative"
pageNumber = "I-i"

任何这些帮助都将不胜感激。

Answer 1

以下是一个可以与re.findall和不区分大小写的标记一起使用的正则表达式：

r'^([\d.]{1,5})\s([a-z]+)\s\.{10,}\s([\w-]+)'

演示：

In [39]: re.findall(r'^([\d.]{1,5})\s([a-z]+)\s\.{10,}\s([\w-]+)', s, re.I)
Out[39]: [('4.1.2', 'Administrative', 'I-i')]

注意 - 1：中间点被\.{10,}捕获，如果您愿意，可以将重复次数更改为更合适的点。尾随号码也与[\w-]+匹配，这意味着它可以匹配任何单词字符组合（数字和字母）与-。我建议你使用一组正确的字母字符，你肯定会在字符类中加上-加上([\d.]{1,5})。

注意事项2：关于([\d.]+)如果您认为其中可能包含多位数字，我会建议您使用([\d.]{1,8})或form更高的范围。