[英]How to fix broken lines with numbers in middle in OCR table of contents?
ORC 目录中有一些断行,在\\t
和\\n
之前可能有也可能没有数字。
输入:
9.1 The Euclidean Group in Two-Dimensional 152
Space E2
CHAPTER 10: THE LORENTZ AND POINCARÉ GROUPS,
AND SPACE-TIME SYMMETRIES 173
如果一个数字夹在两个字母之间(示例中为152
),则它是上一节的页码,应删除。 如果在它之后是另一个数字(下一部分的数字),那么它就是正确的页码(此处为173
)并且应该保留。 这是所需的输出:
9.1 The Euclidean Group in Two-Dimensional Space E2
CHAPTER 10: THE LORENTZ AND POINCARÉ GROUPS, AND SPACE-TIME SYMMETRIES 173
我的尝试:
([a-zA-Z])(\t[0-9]*\n\t)((?![P])[A-Z])
但是 npp 一直说它找不到文本,即使它在https://www.regextester.com 中工作正常。 如何修复它们正常?
您可以使用
(\S)\t[0-9]*\R\t+
并替换为$1
(第 1 组值占位符)。
细节
(\\S)
- 第 1 组:任何非空白字符\\t
- 一个标签[0-9]*
- 0+ 位数\\R
- 换行符序列\\t+
- 1 个或多个制表符(或\\h+
- 1+ 个水平空格)
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.