Question

我有一项涉及正则表达式的挑战性任务。至少我觉得很有挑战性。

我从PDF中提取了以下字符串（文本）：http://www.regexr.com/3c5ei

这是软件每月向公司生成的文本。问题是，它有公司大量生产这些文件，因此有PDF文件，其中包含100个这样的文本。

文本布局始终相同，更改的信息包括日期，名称，数字，值等。

我正在尝试获取一个包含500个文档的PDF文件（500个文本具有相同的掩码/布局，具有相同的值）并分成几个数组，每个文档的matriz。理解？

例如，如果我有两个文件到这个PDF，我想交两个matriz。

为了能够做到这一点，我需要一个非常复杂的正则表达式，然后你进入，真棒人。

我已经能够删除PDF文本，我现在正在尝试创建正确的模式来提取这些文本。

例如，在以下场景中：我在本文中有两个文档：http://www.regexr.com/3c5el

他们是平等的，

开头是：MINISTÉRIO DO TRABALHO 结尾是：Z6: 0

然而正如我先前所说，它并不总是相同的开始和结束。

我设法找到了一个标准：

在文本开头，以下句子：RELAÇÃO DOS TRABALHADORES CONSTANTES NO ARQUIVO SEFIP 最后，在开始另一个文本之前，使用以下句子：RESUMO DAS INFORMAÇÕES À PREVIDÊNCIA SOCIAL CONSTANTES NO ARQUIVO SEFIP

文件地图将是：

INFORMATION HERE FILE 1
RELAÇÃO DOS TRABALHADORES CONSTANTES NO ARQUIVO SEFIP
OTHER INFORMATION FILE 1
OTHER INFORMATION FILE 1
OTHER INFORMATION FILE 1
RESUMO DAS INFORMAÇÕES À PREVIDÊNCIA SOCIAL CONSTANTES NO ARQUIVO SEFIP
OTHER INFORMATION FILE 1
FILE INFORMATION HERE 2
RELAÇÃO DOS TRABALHADORES CONSTANTES NO ARQUIVO SEFIP
OTHER INFORMATION FILE 2
OTHER INFORMATION FILE 2
OTHER INFORMATION FILE 2
RESUMO DAS INFORMAÇÕES À PREVIDÊNCIA SOCIAL CONSTANTES NO ARQUIVO SEFIP
OTHER INFORMATION FILE 2

我希望您的帮助能够捕获该文本并打破正确文档的数量。

我能够创建以下正则表达式，但不是很好：

^(.*?RELAÇÃO DOS TRABALHADORES CONSTANTES NO ARQUIVO SEFIP.*?RESUMO DAS INFORMAÇÕES À PREVIDÊNCIA SOCIAL CONSTANTES NO ARQUIVO SEFIP.*?(RELAÇÃO DOS TRABALHADORES CONSTANTES NO ARQUIVO SEFIP)|.*?)

但是效果并不好......这对我的知识来说太复杂了。

由于

Answer 1

在文本开头，以下句子：RELAÇÃO DOS TRABALHADORES CONSTANTES NO ARQUIVO SEFIP最后，在开始另一个文本之前，以下句子：RESUMO DAS INFORMAÇÕES À PREVIDÊNCIA SOCIAL CONSTANTES NO ARQUIVO SEFIP

将[\s\S]*?之间的所有内容匹配，因为它也会匹配换行符。并使用/g修饰符来获取所有匹配项。

<强>正则表达式

/RELAÇÃO DOS TRABALHADORES CONSTANTES NO ARQUIVO SEFIP([\s\S]*?)RESUMO DAS INFORMAÇÕES À PREVIDÊNCIA SOCIAL CONSTANTES NO ARQUIVO SEFIP/g

<强>代码

var regex = /RELAÇÃO DOS TRABALHADORES CONSTANTES NO ARQUIVO SEFIP([\s\S]*?)RESUMO DAS INFORMAÇÕES À PREVIDÊNCIA SOCIAL CONSTANTES NO ARQUIVO SEFIP/g
var text = `
INFORMATION HERE FILE 1
RELAÇÃO DOS TRABALHADORES CONSTANTES NO ARQUIVO SEFIP
OTHER INFORMATION FILE 1
OTHER INFORMATION FILE 1
OTHER INFORMATION FILE 1
RESUMO DAS INFORMAÇÕES À PREVIDÊNCIA SOCIAL CONSTANTES NO ARQUIVO SEFIP
OTHER INFORMATION FILE 1
FILE INFORMATION HERE 2
RELAÇÃO DOS TRABALHADORES CONSTANTES NO ARQUIVO SEFIP
OTHER INFORMATION FILE 2
OTHER INFORMATION FILE 2
OTHER INFORMATION FILE 2
RESUMO DAS INFORMAÇÕES À PREVIDÊNCIA SOCIAL CONSTANTES NO ARQUIVO SEFIP
OTHER INFORMATION FILE 2
`;
var m;
var num = 0;
 
while ((m = regex.exec(text)) !== null) {
    num++;
    document.write("<h3>Match " + num + "</h3><pre>" + m[1] + "</pre>");
}

使用数组

1 个答案: