Question

我目前需要弄清楚如何使用正则表达式，并且达到了我似乎没有想到的一点：作为源的测试字符串（它们实际上来自OCR的PDF）：

string1 = 'Beleg-Nr.:12123-23131'; // no spaces after the colon
string2 = 'Beleg-Nr.:    12121-214331'; // a tab after the colon
string3 = 'Beleg-Nr.:        12-982831'; // a tab and spaces after the colon

我想明确地得到这些数字。为此，我使用这种模式：

pattern = '/(?<=Beleg-Nr\.:[ \t]*)(.*)

这会为我提供string1和string2的纯数字，但不会在string3上工作（它会在数字之前为我提供额外的空格）。

我在这里缺少什么？

编辑：感谢所有有用的建议。 OCR在运行中的软件能够在正则表达式中自行压缩空白。这样做了。结果模式是：

(?<=Beleg-Nr\.:[\s]*)(.*)

Answer 1

您可以使用＆＃34; \ s＆＃34;包含空格和制表符的特殊符号（因此，您不需要通过[]将其组合成一个组。

Answer 2

问题是[ ]*只匹配空格。您需要使用\s来匹配任何空格字符（更具体地说，\s是[\f\n\r\t\v\u00A0\u2028\u2029]）：

/(?<=Beleg-Nr.:\s*)(.*)/

旁注：默认情况下*是贪婪的，因此它会尝试匹配可能的最大空格数，因此您不需要在上一个[^\s]组中使用否定()。

Answer 3

这对我有用：

/(Beleg-Nr.:\s*)(.*)/

http://regexr.com?35rj6

Answer 4

只需将(.*)替换为限制性更强的模式（例如[^ ]+$）。另请注意，Beleg-Nr之后的.也与其他字符匹配。

我的示例中的$匹配行的结尾，从而确保所有字符都匹配。

我建议也要与标签匹配：

pattern = '/(?<=Beleg-Nr\.:[ \t]*)([^ \t]+)$

使用尾随空格在字符串后面获取字符串

4 个答案: