使用正则表达式在 VBA Excel 中查找段落答案

【问题标题】：Using regex to find paragraphs in VBA Excel使用正则表达式在 VBA Excel 中查找段落
【发布时间】：2017-12-24 04:09:30
【问题描述】：

我正在尝试使用正则表达式来“提取”文档中的段落。每个段落的前后都有一个单独的行上的“-”，并且每个段落都以一个数字开头。

例如

-
1. 这是一个段落
它可能会跨越多行
-

理想情况下，我不想包含“-”，但这并不重要，因为我会将它放在一个字符串中并针对它运行另一个正则表达式（我知道一个有效的）

我尝试使用的代码基本如下

Dim matchPara as Object
Dim regex as Object
Dim theMatch as Object
Dim matches as Object
Dim fileName as String
Dim fileNo as Integer
Dim document as String

matchPara = "-?(\d.*?)?-"
Set regex = CreateObject("VBScript.RegExp")
regex.Pattern = matchPara
regex.Global = True
regex.Multiline = True

fileName = "C:\file.txt"
fileNo = FreeFile

Open fileName For Input As #fileNo
document = Input$(LOF(fileNo), fileNo)
set matches = regex.Execute(document)

For Each theMatch in matches
    MsgBox(theMatch.Value)
Next theMatch

Close #fileNo

我已经在regex101 上测试了这个正则表达式，它似乎符合我的要求。我也没有分组测试过

-?\d.*?-

但是，当我运行代码时，theMatch.Value 只包含一个“-”。在弄乱了正则表达式之后，我让它显示第一行文本，但从不超过第一行。

我已经检查了 theMatch.Value 的长度：

MsgBox(len(theMatch.Value))

并将theMatch.Value的内容放在工作表的一个单元格中，看看它是否在消息框中被切断，但两种理论都被证明是错误的。

我现在完全不知所措，我开始怀疑这可能是 VBA 的事情，而不是正则表达式的事情。不需要使用正则表达式，我只是认为这是最简单的事情。

这些段落包含我要提取的数据。所以想法是将每个段落正则表达式放在一个字符串中，然后运行其他正则表达式来获取我需要的信息。有些段落不包含我需要的数据，所以想法是循环遍历每个单独的段落，然后如果我需要的数据不在该段落中，则错误处理得更好（即，尽我所能，用错误消息删除其余部分）

这是截图：

【问题讨论】：

我认为它在 regex101 上无法正常工作。您能否发布 regex101 结果的屏幕截图，显示它正在那里返回您的完整段落？另外，是否有理由需要使用正则表达式来完成？另外，您实际上对输出做了什么？（我认为目标不仅仅是在MsgBox's 中展示它们？
添加了屏幕截图和问题的答案
您的屏幕截图中的 RegEx 与您的代码中的不同。
不，但这与我给出的第二个示例相同，也不起作用
查看这个答案：Use Regex to Split Numbered List array into Numbered List Multiline

标签： regex vba excel

【解决方案1】：

这种简单的方法不使用Regex。它假设数据在 A 列中，段落在 B 列中：

Sub paragraph_no_regex()
    Dim s As String
    Dim ary

    With Application.WorksheetFunction
        s = .TextJoin(" ", False, Columns(1).SpecialCells(2))
    End With

    ary = Split(s, "-")
    i = 1
    For Each a In ary
        Cells(i, 2) = a
        i = i + 1
    Next a
End Sub

【讨论】：

【解决方案2】：

Sub F()

    Dim re As New RegExp
    Dim sMatch As String
    Dim document As String

    re.Pattern = "-\n((.|\n)+?)\n-"

    'Getting document
    document = ...

    sMatch = re.Execute(document)(0).SubMatches(0)

End Sub

如果您需要破折号-，则只需将它们包含在捕获组中（外括号）。

【讨论】：

【解决方案3】：

此 RegEx 匹配您的描述并成功提取段落（在 regex101.com 上测试）：

matchPara = "-\n\d+\.\s*((?:.|\n)+?)\s*\n-"

它需要'global' 标志而不是'multiline' 标志。相反，行尾标记在正则表达式中匹配。要点是最里面的匹配组将匹配任何字符，包括行尾（作为替代），但以非贪婪方式（“+？”）匹配。它不关心单词边界，因为这里没有必要。此外，“-”不是正则表达式中使用的特殊字符，因此不必转义。

由于附加的好处，前导和尾随空格被切断（组外的“\s*”）。

【讨论】：