多行标题C＃的正则表达式

Question

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，如果该格式为，则会从pdf文件（书）中提取标头：

1.1电气/电子行业

1.2简要历史

1.3测量单位

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); 

它对单行标题有效，但对两行/多行标题无效。 有人可以帮忙吗？

Answer 1

我不熟悉C＃样式的正则表达式，但不是. 是否有任何字符匹配（换行符除外）？

如果您需要换行，则还必须在末尾添加实际的\\n ，可能带有? 除非您也计划有其他选择。

但令我感到惊讶的是，除非书的格式恰好是完美的，否则此正则表达式不会引起任何问题。

Answer 2

假设您已经用单个字符串获取了所需的目录，并且唯一的问题是解析第二级标头。

修改正则表达式以仅匹配大写字母。

您可以使用以下代码获得所需的结果：

    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);
    }

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。

([AZ\\s]+)\\n “一个或多个大写字母或空格”，“换行符”

另外，请阅读以下文章以熟悉C＃正则表达式。