多行标头c#的正则表达式

Question

我是一个新的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的话，它将从pdf文件(图书)中提取标题：

1.1电气/电子工业 1.2简史 1.3计量单位

我用的是密码：

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

它适用于单行标头，但不适用于两行/多行标头。有人能帮忙吗？

Answer 1

我不熟悉C#样式regex，但是.不是任何字符匹配(除了新行)吗？

如果您需要新的行，那么您还必须在最后包含一个实际的\n，可能还有一个?，除非您也计划有一个替代方案。

但我有点惊讶的是，这个正则表达式并没有引起任何问题，除非书的格式非常完美。

Answer 2

假设您已经在单个字符串中获得了所需的目录，唯一的问题是解析第二级标题。

正则表达式修改为只匹配大写字母。

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);
    }

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是新的行字符。

你的审判简化了。

(\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”，“新行字符”

另外，阅读下面的文章以熟悉C#正则表达式。