如何使用Python查找文本中指定语句的段落编号？

核心思路 #

先提取所有被<p>标签包裹的段落内容，再逐个检查目标句子是否存在于段落中，最终返回对应的段落编号（从1开始计数）。

正确实现代码（以Python为例） #

import re

# 示例输入文本
input_text = """<p>第一段内容示例...</p>
<p>The lady of the house must prepare sandwiches on the occasion of her daughter’s engagement.</p>
<p>第三段内容示例...</p>"""

# 要查找的目标句子
target_sentence = "The lady of the house must prepare sandwiches on the occasion of her daughter’s engagement."

# 提取所有<p>标签内的段落
paragraphs = re.findall(r'<p>(.*?)</p>', input_text, re.DOTALL)

# 遍历段落定位目标句子
for idx, para in enumerate(paragraphs, start=1):
    if target_sentence in para.strip():
        print(f"目标句子在第{idx}段")
        break
else:
    print("未找到目标句子")

正则规则说明 #

• r'<p>(.*?)</p>'：使用非贪婪匹配.*?，确保只捕获单个<p>标签内的内容，避免误匹配跨段落的文本。
• re.DOTALL：让正则中的.匹配包括换行符在内的所有字符，兼容段落内有换行的情况。

常见失效原因排查 #

如果之前的正则没生效，大概率是这几个问题：

• 用了贪婪匹配.*而非.*?，导致匹配范围覆盖了多个段落。
• 未添加re.DOTALL参数，段落内有换行时匹配中断。
• 试图直接用正则定位句子位置，而非先提取段落再检查，逻辑复杂易出错。

内容的提问来源于stack exchange，提问作者Roshni Hirani