行首罗马数字加连字符正则匹配错误修正及疑问咨询

需要编写正则表达式实现以下效果：

• 匹配行首的1-99罗马数字
• 罗马数字后必须紧跟「半角空格 + 短横(-) 或 长横(–)」
• 给每个匹配项前添加换行符

示例字符串：

VI - lealdade e ética;  
VII - busca da verdade real;  
VIII - livre convencimento técnico-jurídico do delegado de polícia;  
IX - controle de legalidade dos atos policiais civis;  
X - uso diferenciado da força para preservação da vida, redução do sofrimento e o inciso  
II redução de danos;  
XI – continuidade investigativa  
criminal;  
XII – atuação imparcial na condução da atividade  
investigativa e de polícia judiciária;  
XIII – política de gestão direcionada à proteção e  
à valorização dos seus  
integrantes;  
XIV – unidade de doutrina e uniformidade de  
procedimento;  
XV – autonomia, imparcialidade, tecnicidade e cientificidade investigativa, indiciatória, inquisitória, notarial e pericial; "

问题1：错误匹配单独的罗马数字（如「II redução de danos;」） #

原正则问题分析 #

你之前使用的正则 r'^(I{1,3}|IV|V|VI{1,3}|IX|X{1,3}|XL|L -|– )' 存在两个核心问题：

1. 分组逻辑混乱：把「L -」和「– 」当成独立匹配分支，破坏了规则的连贯性
2. 未强制罗马数字后必须跟「空格+横杠」：单独的罗马数字（如行首的II）符合I{1,3}分支，因此会被错误匹配

修正方案 #

先完善1-99罗马数字的完整匹配规则，再强制罗马数字后必须紧跟「半角空格 + 短横/长横」。完整正则如下：

r'^((?:XC|XL|L?X{0,3})(?:IX|IV|V?I{0,3})) (?:-|–)'

• 罗马数字部分(?:XC|XL|L?X{0,3})(?:IX|IV|V?I{0,3})：完整覆盖1-99的所有罗马数字组合（XC=90、XL=40、L=50、X=10、I=1等）
• (?:-|–)：强制罗马数字后必须跟半角空格，再跟短横或长横，彻底避免匹配单独的罗马数字

问题2：无法匹配后跟长横(–)的罗马数字 #

原正则问题分析 #

你使用的正则 r'^(I{1,3}|IV|V|VI{1,3}|IX|X{1,3}|XL|L) (?:-|–) ' 无法匹配长横行的核心原因是罗马数字匹配规则不全：
该正则仅覆盖了I-III、IV、V、VI-VIII、IX、X-XXX、XL、L（即1-3、4、5、6-8、9、10-30、40、50），但XI(11)、XII(12)这类11-39的罗马数字完全不在匹配范围内，自然无法匹配这些数字后跟长横的行。

另外，正则末尾多了一个空格 '，如果部分行的横杠后没有空格，也会导致匹配失败，建议去掉末尾空格，或用\s*匹配可选空格。

修正方案 #

使用问题1中的完整罗马数字匹配规则，同时根据实际文本调整空格逻辑。如果需要允许横杠后有可选空格，可使用：

r'^((?:XC|XL|L?X{0,3})(?:IX|IV|V?I{0,3})) (?:-|–)\s*'

匹配后添加换行符 #

如果在Python中实现替换，可使用re.sub将匹配内容替换为\n\g<0>，示例代码：

import re

text = """VI - lealdade e ética;  
VII - busca da verdade real;  
VIII - livre convencimento técnico-jurídico do delegado de polícia;  
IX - controle de legalidade dos atos policiais civis;  
X - uso diferenciado da força para preservação da vida, redução do sofrimento e o inciso  
II redução de danos;  
XI – continuidade investigativa  
criminal;  
XII – atuação imparcial na condução da atividade  
investigativa e de polícia judiciária;  
XIII – política de gestão direcionada à proteção e  
à valorização dos seus  
integrantes;  
XIV – unidade de doutrina e uniformidade de  
procedimento;  
XV – autonomia, imparcialidade, tecnicidade e cientificidade investigativa, indiciatória, inquisitória, notarial e pericial; """

pattern = r'^((?:XC|XL|L?X{0,3})(?:IX|IV|V?I{0,3})) (?:-|–)'
result = re.sub(pattern, r'\n\g<0>', text, flags=re.MULTILINE)
print(result)

注意要添加flags=re.MULTILINE，让^匹配每一行的行首，而非整个文本的开头。

内容的提问来源于stack exchange，提问作者pedmacedo