マルチラインヘッダの正規表現C＃

Question

私は新しいC＃プログラマです。私は、彼らがこの形式である場合は、PDFファイル（ブック）からヘッダを抽出する単純なC＃アプリケーションを作成しようとしている：

1.1電気/電子工業は

1.2小史

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

：測定

1.3単位は

は、私は、コードを使用しています

単一行ヘッダーでは問題ありませんが、2行/複数行ヘッダーでは機能しません。 誰も助けてもらえますか？

Answer 1

私はC＃スタイルの正規表現に慣れていませんが、.（改行を除く）の任意の文字に一致していませんか？

新しい行が必要な場合は、末尾に実際に\n を含める必要があります。おそらく?も同様です

しかし、本の書式が完璧にならない限り、この正規表現は何の問題も引き起こさないと私は驚いています。

Answer 2

すでに必要な目次が1つの文字列で取得されており、唯一の問題は2番目のレベルのヘッダーを解析することだとします。

大文字のみを照合するための正規表現が変更されました。

次のコードを使用して、必要な結果を達成することができます

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); 
    } 

そして、それheadersが必要なすべてのデータが含まれています後に。

inputに入力データが含まれているとします。また、\nは改行文字です。

正規表現が簡略化されました。

(\d+\.\d+)は、「1つ以上の数字」、ドット、「1つ以上の数字」、スペースのシーケンスを表します。

([A-Z\s]+)\n - 「は、一つ以上の大文字またはスペース」、「改行文字」も

は、C＃の正規表現に慣れるために、次のarticleお読みください。