正则表达式提取带有可选前缀或行首的“数字”

编程问答 2022-05-03

问题描述

我想从行中提取“数字”（可以是包裹号、发票号等）。它只是非空白字符（例如：123、ABC、Abc、ABC123、ABC-123、X-ABC/123/456 - 只需 {{1} } 正则表达式).

我有可以包含“数字”的行。有两种可能的情况：

  1. 在行首（第一串非空白字符）。
  2. 在行中间，但用前缀 \S+ 标记。

示例行：

Number:

从每个示例行中我想提取“数字”：ABC123 bla bla Number: ABC123 bla bla Some words 123 Number: ABC123 bla bla 。

我知道如何为第二种情况编写正则表达式（示例 2 和 3 行）：ABC123（带有前缀 (?:Number: )(\S+) 的非捕获组和带有非空白字符的捕获组）。

only first case

但是第一种情况呢？

我尝试了什么：

  1. 前缀可以是可选的：Number:

我得到了很多匹配，但这不是问题，因为我可以在代码的每一行中得到第一个匹配。

但问题出在第 7 场比赛中：我得到单词 (?:Number: )?(\S+) 而不是数字 Some。

first

  1. 使用起始行。所以有两种选择：起始行和“数字”或前缀和“数字”：ABC123。

但问题是一样的，我得到了 (?:^(\S+))|(?:(?:Number: )(\S+)) 这个词。这更糟，因为我得到 Some

second

  1. 我不能在行首添加 Number: 以消除上一步中的第二个问题：Number:。

但是即使在行中间存在前缀 (?:^(?!Number:)(\S+))|(?:(?:Number: )(\S+)) 和“number”，在行首获取随​​机单词 (Some) 仍然存在问题。

third

演示：https://regex101.com/r/G9UFak/1

问题有点类似于：Regex multiple characters but without specific string

解决方法

你可以使用

(?:.*Number:\s*|^)(\S+)

参见regex demo。

详情

  • (?:.*Number:\s*|^) - 两种选择之一：
    • .*Number:\s* - 除换行符以外的任何零个或多个字符，尽可能多，Number: 和零个或多个空格（如果您需要保持在线，请替换 {{1} } 与 \s 或 [^\S\r\n] / \h（如果支持）
    • [\p{Zs}\t] - 或
    • | - 一行的开始（在类似 PCR0 的引擎中使用 ^ 选项）
  • m - 第 1 组：任何一个或多个非空白字符。
,

我会使用：

^(?:.*?Number: )?(\S+)

前导文本和“数字：”都是可选的。查看在线demo

  • ^ - 起点线锚点。
  • (?: - 打开非捕获组：
    • .*? - 除换行符以外的 0+ 个字符（惰性）。
    • Number: - 字面意思是“数字：”。
    • )? - 关闭非捕获组并将其设为可选。
  • (\S+) - 捕获 1+ 个非空白字符的语法。我想说，也许您想改用 (\w+)，或者更精确的东西。