如何匹配第一个字母或数字后的所有制表符？

Question

我想使用 REGEX 来匹配出现在第一个字母或数字之后的所有制表符。如下图所示，我有一个分层文本文件，每个级别的类别都用 TAB (\t) 字符标记。

经过一些研究，我发现了几乎符合我愿望的正则表达式：

正则表达式：\b[\t]{1,}\b

问题：

如下图所示，此正则表达式不会 select 出现在以点 (1., 2., 3., 4. .. .).

有谁知道如何在 REGEX 中也包含这种模式？

这是我的示例的部分文本：

    BBHH    Balanço Patrimonial
            1.      ATIVO                                           Assets
                1.1     CIRCULANTE
                1.2     NÃO CIRCULANTE
            2.      PASSIVO                                         Liabilities and Equity
            3.      RECEITAS
            4.      CUSTOS E DESPESAS
                4.1     CUSTOS DE PRODUTOS VENDIDOS E SERVIÇOS
                        4.1.1       CUSTOS DE PRODUTOS VENDIDOS
                            4.1.1.1         CUSTOS DE PRODUTOS VENDIDOS

Answer 1

您可以使用否定 Lookbehinds 来确保制表符不在行的开头。

尝试以下模式：

(?<!^)(?<!\t)\t+

Demo.

详情：

(?<!^) - 不在行首。
(?<!\t) - 前面没有制表符（避免在上面的后面匹配制表符）。
\t+ - 匹配一个或多个制表符（与 \t{1,} 相同）。

Python 示例：

import re

text = ("\tBBHH\tBalanço Patrimonial\n"
    "\t\t\t1.\t\tATIVO\t\t\t\t\t\t\t\t\t\t\tAssets\n"
    "\t\t\t\t1.1\t\tCIRCULANTE\n"
    "\t\t\t\t1.2\t\tNÃO CIRCULANTE\n"
    "\t\t\t2.\t\tPASSIVO\t\t\t\t\t\t\t\t\t\t\tLiabilities and Equity\n"
    "\t\t\t3.\t\tRECEITAS\n"
    "\t\t\t4.\t\tCUSTOS E DESPESAS\n"
    "\t\t\t\t4.1\t\tCUSTOS DE PRODUTOS VENDIDOS E SERVIÇOS\n"
    "\t\t\t\t\t\t4.1.1\t\tCUSTOS DE PRODUTOS VENDIDOS\n"
    "\t\t\t\t\t\t\t4.1.1.1\t\t\tCUSTOS DE PRODUTOS VENDIDOS\n")

matches = re.finditer(r"(?<!^)(?<!\t)\t+", text, re.MULTILINE)

for matchNum, match in enumerate(matches, start=1):
    print ("Match {matchNum} was found at pos:{start}.".
           format(matchNum = matchNum, start = match.start()))

Try it online.

附录：

只要缩进只使用制表符，上面的模式就可以工作。如果您的文本文件可能混合使用制表符和 space 字符用于缩进，您可以改用以下模式：

\S+(\t+)

在这种情况下，您可以从第 1 组中提取匹配的标签。或者为了替换，您可以使用 (\S+)\t+ 并替换为 </code> 以删除标签（或使用 <code>x 将制表符替换为 x).

如何匹配第一个字母或数字后的所有制表符？

How to match all tab characters after first letter or number?

regex

regex-group

python-re

regexp-replace