python - 提取两个点之间的文本，以数字开头

Question

我基本上已经阅读了PDF文件的内容。现在，我正在尝试找出标题。一致性是 - 每个 header 都采用以下模式:“1.我的标题。然后是文本......”

举个例子:

x = '1. Some Header. and some more text 2. Another Header. And that is the end'
import re
re.findall((r'[0-9]\..*\.'),x)

尝试过，但没有成功。

我所希望的是:最好的情况:['1.一些标题', '2.另一个标题']最坏的情况:['某个 header '，'另一个 header ']

Answer 1

您可以使用re.findall:

import re
x = '1. Some Header. and some more text 2. Another Header. And that is the end'
result = re.findall('\d+\.\s+[\w\s]+(?=[\.$])', x)

输出:

['1. Some Header', '2. Another Header']