Google Sheets使用正则公式提取大纲值的问题求助

问题 #

需要从Google Sheets单元格中提取各类大纲标识（如1(a)、AA.、-、III等），但遇到以下问题：

• 原正则表达式^(([A-Za-z]|\d+)((\([A-Za-z\d]+\))|(\.\d+))*\.?|\-)\s+([^\n]+)搭配ARRAYFORMULA(IFERROR(REGEXEXTRACT(...)))时，因多捕获组导致结果拆分到多列；
• 简化捕获组后无法匹配-样式的大纲；
• 使用REGEXREPLACE(Range," .+","")会错误提取普通句子的首词。

解决方案 #

方案1：优化正则为单捕获组（推荐） #

把原正则中的内部捕获组改为非捕获组（用(?:...)包裹），仅保留最外层捕获组提取目标大纲，同时覆盖所有大纲场景。使用REGEXREPLACE直接移除大纲后的内容：

公式（假设数据在A列）：

=ARRAYFORMULA(IFERROR(REGEXREPLACE(A:A, "^((?:[A-Za-z\d]+(?:\([A-Za-z\d]+\))*(?:\.\d+)*\.?|-))\s*.*$", "$1")))

正则逻辑说明：

• ^：匹配单元格内容开头
• (?:[A-Za-z\d]+：匹配开头的字母/数字序列（非捕获组，不拆分结果）
• (?:\([A-Za-z\d]+\))*：匹配零个或多个带括号的后缀（如(a)、(i)）
• (?:\.\d+)*：匹配零个或多个.+数字的层级后缀（如.1）
• \.?：匹配可选的结尾点号
• |-：兼容匹配-样式的大纲
• \s*.*$：匹配大纲后的所有空格和文本

用$1替换整个单元格内容，最终只保留大纲标识。

方案2：合并多列结果（兼容原正则） #

如果不想修改原正则，可通过TEXTJOIN合并REGEXEXTRACT返回的多列结果，自动过滤空值：

=ARRAYFORMULA(IFERROR(TEXTJOIN("", TRUE, REGEXEXTRACT(A:A, "^(([A-Za-z]|\d+)((\([A-Za-z\d]+\))|(\.\d+))*\.?|-)\s+([^\n]+)"))))

注意：此方法可能引入不必要的空字符，仅作为临时兼容方案。

测试效果 #

将公式应用到测试样本后，输出与预期完全一致：

测试样本 #

1(a) Background
1(a)(i) Historical context
1(a)(i)(A) Early influences
1(a)(i)(A)(1) Roman civilization
IIIV.
AA. Background
1.1 Historical context
34 Historical context
a. Early influences
i. Roman civilization
- Background
- Historical context
We are
I. Roman civilization
II. Romans
IV. 
IV. I am sad
iii

输出结果 #

1(a)
1(a)(i)
1(a)(i)(A)
1(a)(i)(A)(1)
IIIV.
AA.
1.1
34
a.
i.
-
-

I.
II.
IV.
IV.
iii

内容的提问来源于stack exchange，提问作者MMsmithH