多行标题c#的正则表达式答案

【问题标题】：Regex for multiline header c#多行标题c#的正则表达式
【发布时间】：2016-09-01 04:59:04
【问题描述】：

我是一名新的 C# 程序员。我正在尝试制作一个简单的 c# 应用程序，如果它们是这种格式，它将从 pdf 文件（书）中提取标题：

1.1 电气/电子行业

1.2 简史

1.3 计量单位

我正在使用代码：

string pattern = @"(\d+)(\.)(\d+) ([A-Z]+).([A-Z]+).([A-Z]+).([A-Z]+).([A-Z]+)";
Regex.match(strText,pattern);

适用于单行标题，但不适用于两行/多行标题。有人可以帮忙吗？

【问题讨论】：

你说的是目录还是什么？如果您将本书的整个文本视为单个字符串并运行一次正则表达式，您将永远无法使用正则表达式。你会发现很多误报，也可能会漏掉一些。
那个正则表达式没有做你认为它正在做的事情。例如，它将匹配行XYZ1.2 A BRIEF HISTORY，而不匹配行2.4 SUMMARY。我建议你找到一些关于正则表达式的教程（但不要在这里要求一个，因为这显然是题外话）。
是的，我说的是本书的全文。我选择它是因为它的格式很好。似乎有效，但是有一些我认为可以解决的小问题，@SledgeHammer
是的，我是 C# 新手。我觉得我应该多学习。谢谢 :) @AdrianHHH

标签： c# regex multiline

【解决方案1】：

我不熟悉 C# 风格的正则表达式，但 . 不是任何字符匹配（换行除外）吗？

如果您需要新的行，那么您还必须在末尾包含一个实际的\n，除非您还打算有替代方案，否则可能还要加上一个?。

但我有点惊讶这个正则表达式没有引起任何问题，除非书的格式恰好是完美的。

【讨论】：

【解决方案2】：

假设您已经在单个字符串中获得了所需的目录，唯一的问题是解析二级标题。

修改正则表达式以仅匹配大写字母。

您可以使用以下代码实现所需的结果：

    string pattern = @"((\d+\.\d+) ([A-Z\s]+)\n)+";
    var match = Regex.Match(input, pattern);

    var headers = new List<string>();
    for (var i = 0; i < match.Groups[1].Captures.Count; i++)
    {
        headers.Add(match.Groups[1].Captures[i].Value);
    }

在它之后headers 将包含所有必需的数据。

假设input 包含输入数据。另外，请注意\n 是换行符。

您的正则表达式已简化。

(\d+\.\d+) 代表“一个或多个数字字符”、点、“一个或多个数字字符”、空格的序列。

([A-Z\s]+)\n - "一个或多个大写字母或空格", "换行符"

另外，请阅读以下article 以熟悉 C# 正则表达式。

【讨论】：

您好，感谢您的链接和解决方案。您的解决方案同时捕获大写和小写字母字符串。有没有办法只捕捉大写字母？
@rabinmallick 我在答案中修改了正则表达式，只匹配大写字母和空格