如何用Python拆分LaTeX文件中的数学环境与文本环境

核心思路：放弃拆分后再拼接的逻辑，直接用re.findall同时匹配完整数学块和普通文本片段，一步实现分隔符与对应内容的绑定。

匹配规则说明 #

正则按优先级匹配三类完整数学块，再匹配剩余普通文本：

• \$\$[\s\S]*?\$\$：匹配$$包裹的多行数学块，[\s\S]覆盖所有字符（含换行），非贪婪匹配避免跨块
• \\\[[\s\S]*?\\\]：匹配\[、\]包裹的多行数学块
• \$.*?\$：匹配$包裹的行内数学块
• [^$\\]+：匹配不属于数学块分隔符的普通文本片段

完整代码示例 #

import re

latex_text = """A latex example
$$ \int = 0$$
with different
\[\sum \] 
\[\sum \]
math delimiters $\\cos(x)$.
"""

# 匹配所有完整数学块+普通文本
pattern = r'(\$\$[\s\S]*?\$\$|\\\[[\s\S]*?\\\]|\$.*?\$|[^$\\]+)'
raw_result = re.findall(pattern, latex_text)
# 去除首尾空白、过滤空片段
final_result = [item.strip() for item in raw_result if item.strip()]
print(final_result)

运行输出 #

['A latex example', '$$ \\int = 0$$', 'with different', '\\[\\sum \\]', '\\[\\sum \\]', 'math delimiters', '$\\cos(x)$', '.']

和你期望的目标格式完全一致，后续如果需要适配equation等其他数学环境，只要在正则的交替匹配部分新增对应规则即可。

内容的提问来源于stack exchange，提问作者Netchaiev