如何用Python正则表达式提取专利文本的第一项权利要求？

你的正则错误原因 #

1. Python的re.compile不需要添加/分隔符，这是JavaScript等其他语言的正则写法，多余的分隔符会直接导致匹配失败
2. 没有锚定目标文本的开头1.，正则无法定位到第一项权利要求的起始位置
3. 仅预判单个字符2，而实际需要匹配的是第二项权利要求的起始标识2.，匹配范围不准确

正确的正则表达式 #

针对你的需求，正确的正则应该是：

r"1\..*?(?=2\.)"

正则各部分解释 #

• 1\.：匹配第一项权利要求的开头1.，其中\是转义符，因为.在正则中是匹配任意字符的元字符，必须转义才能匹配实际的点号
• .*?：非贪婪模式匹配任意字符（默认不包含换行），确保匹配到第一个2.就停止，避免过度匹配后续内容
• (?=2\.)：正向预查断言，匹配到2.的位置时停止，且不会将2.包含在最终匹配结果中

带换行场景的处理 #

如果权利要求文本包含换行，需要添加re.DOTALL标志，让.能够匹配换行符，完整代码示例：

import re

# 示例专利权利要求文本
claim_text = """1. 一种用于数据处理的装置，包括：
   - 数据采集模块，用于获取输入数据；
   - 数据处理模块，用于对输入数据进行分析。
2. 根据权利要求1所述的装置，其特征在于，所述数据处理模块采用机器学习算法。"""

# 编译正则并匹配
pattern = re.compile(r"1\..*?(?=2\.)", re.DOTALL)
match_result = pattern.search(claim_text)

if match_result:
    first_claim = match_result.group().strip()
    print("提取的第一项权利要求：")
    print(first_claim)

可选优化（应对格式差异） #

如果专利文本中2.前可能存在空格，可以将正则调整为：

r"1\..*?(?=\s*2\.)"

其中\s*匹配任意数量的空白字符（空格、制表符等），适配更多格式的专利文本。

内容的提问来源于stack exchange，提问作者Don