Question

我必须在自由格式文本中匹配文档ID。文本已经分为句子或行，每行最多只有一个ID号。 ID可以有不同的格式，可以包含空格，所以一般我想匹配：

表示ID跟随的单词（假设它始终为“ID”）
一些空格/标点符号（让我们假设它至少有一个空格或一个用可选空格包围的冒号）
任何字母，数字，斜线和连字符的序列，可选地包含空格，但（现在是捕获）其中没有序列“digit-space-letter”（因为通常这意味着该字母属于ID后面的单词;序列“letter-space-letter”不明确，但通常发生在ID中，所以我希望它匹配）

例如，我想匹配：

ID: 1
ID 1/1
ID : 1/A
ID     AAA X1
ID :B/B
ID 1/ A
ID 1 /A
ID 1 /A/ AA
ID 1 /A /AA
ID AA 123
ID AA 123 123
ID AA/123 123

但不是

ID 1 AAA
ID 1/1 AAA

在上述两种情况下，我想分别只匹配ID 1和ID 1/1。

这是我到目前为止所得到的，但它不起作用：

ID(\s+|\s*:\s*)(?:[\p{L}0-9/-]*\s)*[0-9/-][\p{L}0-9/-]*

Answer 1

正则表达式：

ID(?: *: *| +)(?:(?!\d\s+[a-zA-Z])[\da-zA-Z/\s])*\d?

可能会成功。

ID(?: *: *| +)匹配ID后跟空格和:（最多一个:）的组合。之后我们就进入好的部分，正则表达式引擎将尝试逐个匹配字符：
(?!\d\s+[a-zA-Z])检查我们是不是数字后跟空格和字母。如果我们是，我们停下来，我们抓住最后一位数\d?。如果我们不是，这意味着我们可以将角色与[\da-zA-Z/\s]匹配。然后我们传递以下字符并执行相同的检查，直到我们到达行尾或特殊字符。

Answer 2

好的，感谢提示，我终于自己解决了这个问题：

ID(?: +| *: *)((?:[0-9](?:\s+(?![a-zA-Z]))?|[A-Za-z/]\s*)*)

在每个非空白字符之后，我尝试匹配空格，但在一个数字之后，我匹配可选空格，条件是这些空格后面没有字母。

Answer 3

这是我编辑过的解决方案：

您可以使用两个正则表达式：

第一：

ID[\s:]+[\da-zA-Z\s/-]*

它匹配ID后跟空格或逗号，其中至少有一个。

然后[\da-zA-Z\s/-]*部分将匹配任何数字，字母，空格，斜杠和连字符序列。

这样可以确保你的句子符合想要的模式。

附加条件是使用第二个正则表达式完成的：

\d [a-zA-Z]

如果匹配第二个正则表达式，那么你的句子不会遵循无序列“数字空格字母”条件，应该被拒绝。

用于在自由格式文本中匹配文档ID号的正则表达式

3 个答案: