使用regex的多重选择

Question

嗨，我有一个多模式需要提取。我的开始和结束标记是不同的组合。 它可以包含

ITEM 3              Quantitative and Qualitative Disclosures about Market Risk
As part of its Bank Credit  Agreement,  the Company was  required to purchase an
interest rate cap of $100 million for 
item 4 

也可以是

item 3.            Quantitative and Qualitative Disclosures about Market Risk
As part of its Bank Credit  Agreement,  the Company was  required to purchase an
interest rate cap of $100 million for 
item 4

也可以是

item 3a              Quantitative and Qualitative Disclosures about Market Risk
As part of its Bank Credit  Agreement,  the Company was  required to purchase an
interest rate cap of $100 million for 
item 4

我使用正则表达式作为

qaq =r"item[^a-zA-Z\n]*\d\s*\.\s*Quantitative and Qualitative Disclosures about Market Risk.*?item[^a-zA-Z\n]*\d\s*\.*"

我正在使用python。我的问题是我是否为每个模式编写了多个正则表达式，或者我是否可以在一个正则表达式中完成它。如果它可以在一个那么我如何实现这一点。你知道吗

Answer 1

在正则表达式中，使用[^a-zA-Z\n]*匹配item和数字之间的内容。在本例中，我认为可以使用\s。你知道吗

一开始你有item 3、item 3.和item 3a。您可以使用\d\s*\.来匹配这3个变体，但这只会匹配3.

您可以在开头使用不区分大小写的标志来匹配item变体，或者指定不区分大小写的modifier(?i)并添加多行模式(?m)。你知道吗

^{}

细节

• ^断言字符串的开头
• item\s\d+匹配项，后跟空格字符和一个或多个数字
• [a-z.]?\s+匹配可选的小写字符或后跟一个或多个数字的点
• Quantitative and Qualitative Disclosures about Market Risk\n逐字匹配，后跟换行符
• (?:.*\n)*?将任何字符重复零次或多次，然后换行，因为the dot does not match line breaks by default
• item\s\d+匹配项、空格字符和一个或多个数字
• $断言行尾

Demo Python

Answer 2

正则表达式：

^(?:ITEM|Item|item)\s\d[a-z]?\.?\s*Quantitative and Qualitative Disclosures about Market Risk(?:.*\n)*?item\s\d.*$

Demo

说明：

(?:ITEM|Item|item)-在各种情况下处理item的非捕获备用组。你知道吗

(?:.*\n)*?item\s\d.*$-任意数量字符的非捕获组，后跟\n，以惰性方式重复0到无限次*?，后跟小写item，后跟空格，后跟数字，后跟任意字符（0到无限），后跟行尾$