我明白你现在需要处理的章节引用格式真的挺多样的——既有英文的Section/Sections带数字和子项的情况，也有中文“第X章节的(X)项”这种格式，之前的代码只能处理简单场景还出了连写错误，下面给你一套能覆盖所有需求的完整解决方案：

第一步：先理清楚所有要匹配的目标模式 #

咱们得先把要抓的引用类型列全：

• 英文单章节：Section 23
• 英文带子项的单章节：Section 45(3)
• 英文多章节列表：Sections 21(1), 54(2), 78(1)
• 中文带子项的章节：第75章节的(e)项

第二步：编写适配全格式的正则表达式 #

我做了两个版本的正则，你可以根据自己的文档情况选：

英文引用专用正则 #

专门处理Section/Sections开头的引用，完美支持单/多章节、带/不带子项：

english_section_regex = r'(Sections?)\s+((?:\d+(?:\(\w+\))?(?:,\s*)?)+)'

拆解一下每个部分的作用：

• Sections?：匹配Section或者Sections（?表示末尾的s可选）
• \s+：强制匹配一个或多个空格，彻底解决你之前遇到的Section 231连写错误
• (?:\d+(?:\(\w+\))?(?:,\s*)?)+：匹配一个或多个章节项，每个项的结构是：
  • \d+：匹配章节的数字部分
  • (?:\(\w+\))?：可选的子项（比如(3)、(a)，\w+能匹配字母或数字）
  • (?:,\s*)?：可选的逗号加空格，用来分隔多个章节

中英通用匹配正则 #

如果需要同时抓中文和英文引用，直接用这个综合版：

universal_section_regex = r'(Sections?\s+\d+(?:\(\w+\))?(?:,\s*\d+(?:\(\w+\))?)*|第\d+章节的\(\w+\)项)'

这个正则用|把英文和中文的匹配分支分开，各自对应不同的格式。

第三步：Python代码实现与测试示例 #

下面是完整的可运行代码，包含提取、格式化输出的逻辑：

import re

def extract_section_references(text):
    # 用中英通用正则，开启忽略大小写模式（兼容Section/section的写法）
    regex = r'(Sections?\s+\d+(?:\(\w+\))?(?:,\s*\d+(?:\(\w+\))?)*|第\d+章节的\(\w+\)项)'
    matches = re.findall(regex, text, flags=re.IGNORECASE)
    # 过滤掉空结果，返回整理后的列表
    return [match.strip() for match in matches if match.strip()]

# 测试用的示例文本，模拟你的文档内容
sample_text = """
需要提取的引用示例：
1) Section 23
2) Section 45(3)
3) 第75章节的(e)项
4) Sections 21(1), 54(2), 78(1)
还有混合场景：比如Section 10(a)和第30章节的(2)项
"""

# 执行提取并打印结果
references = extract_section_references(sample_text)
print("提取到的章节引用：")
for ref in references:
    print(f"- {ref}")

代码运行结果： #

提取到的章节引用：
- Section 23
- Section 45(3)
- 第75章节的(e)项
- Sections 21(1), 54(2), 78(1)
- Section 10(a)
- 第30章节的(2)项

第四步：针对特殊格式的扩展优化 #

如果你的文档还有其他变种格式，比如英文的Sec. 23缩写、中文的“第X条第Y项”，可以直接扩展正则的匹配分支：

• 支持英文缩写：把Sections?改成(Sections?|Sec\.?)
• 支持中文“第X条第Y项”：在正则里增加分支第\d+条第\(\w+\)项

内容的提问来源于stack exchange，提问作者Mia