正则表达式在水文年鉴资料索引编制中的应用正则表达式在水文年鉴资料索引编制中的应用 摘要：《中华人民共和国水文年鉴》自 2025 年全面恢复汇编刊印以来，其资料索引表各表项的页码编制都采纳人工方式从方正CEB 格式的电子书逐一猎取，这种方法不仅费时费劲，效率低下，且容易出错。本文通过正则表达式快速、准确地猎取各类成果表页码，生成水文年鉴所需的资料索引表，弥补了人工方式的不足，提高了水文年鉴质量。 中图分类号： P33 文献标识码： A 文章编号： 1 引言 《中华人民共和国水文年鉴》是根据统一的要求和规格，并按流域和水系统一编排卷册，逐年刊印的水文资料。自 2025 年全面恢复汇编刊印以来，其资料索引表各表项的页码编制都采纳人工方式从方正 CEB 格式的电子书在几十个表项中逐一猎取，这种方法不仅费时费劲，效率低下，且容易出错。如何能快速、准确地从已有的电子文档中提取出页码，生成水文年鉴所需的资料索引表，是亟待解决的一个问题。采纳基于 VB 开发环境和正则表达式的方法，分析各种类型成果表的组成规则，即可实现资料索引表中各种成果表页码自动的提取，在提高效率的同时，杜绝了资料索引人工编制页码过程中的错误，提高水文年鉴资料质量。 2 正则表达式 正则表达式是对字符串操作的一种逻辑公式，就是用事先定义好的一些特定字符、及这些特定字符的组合，组成一个“规则字符串”，这个“规则字符串”用来表达对字符串的一种过滤逻辑。本文讨论的是 Perl 5 类型的引擎，因为这种引擎是应用最广泛的引擎。 给定一个正则表达式和另一个字符串，我们可以达到如下的目的：1、给定的字符串是否符合正则表达式的过滤逻辑（称作“匹配”）；2、可以通过正则表达式，从字符串中猎取我们想要的特定部分。 3 表项的总体规则 正则表达式主要应用对象是文本，因此需首先用 Apabi Reader将水文年鉴 CEB 格式的电子书另存为编码为 GB2312 的 TXT 文档。需要注意的是，高版本的 Apabi Reader 另存为 TXT 文档时默认的编码是 Unicode，编码格式的不同会导致程序猎取信息的失败。以《中华人民共和国水文年鉴》第 5 卷第 4 册为例，正文成果表项共计 22种，分析 TXT 文档的格式可知，除各时段最大降水量表（1）、各时段最大降水量表（2）、堰闸流量率定成果表外，大部分表项的格式都是以数字开头，以“站”或“表”结尾；对于各时段最大降水量的表（1）、表（2），两者都以数字开头，...
