Question

我正在尝试从半结构化文本中提取数据，它是由制表符分隔表组成的电子邮件。用户在每个表的顶部输入了时间戳，在表中列出了我要查找的安全标识符。

目标是在correctsecurity所在的表格顶部提取correctsecurity和时间戳。

例如......

10:00 AM
not it
not it

9:00 AM
not it
correctsecurity

..应该返回9:00 AM correctsecurity。但是我当前的正则表达式正在返回10:00 AM correctsecurity，这意味着正确的项目，但不是正确的时间。

到目前为止，这是我的正则表达式：

((1[0-2]|[0-9]):[0-5][0-9](\s?(AM|PM))?)(?:(.*\n)+)(correctsecurity)

请注意，最后一部分correctsecurity是根据其他标准动态创建的，所以即使我在这个问题中提供实际项目，它也会提供一些帮助（因为它是众多之一），为简单起见请假设correctsecurity正是我要找的项目。

最后我在VBA中这样做，所以也许在不使用长正则表达式的情况下解决这个问题就更容易了，所以请尽量提出非正则表达式解决方案。

Answer 1

你可以用负向前瞻来解决这个问题：

a((?!a).)*correctsecurity

其中a是你想要开始比赛的模式，并且不希望在比赛的中间加入。

适用于您的特定需求：

\d*:\d* [AP]M((?!\d*:\d* [AP]M).)*correctsecurity

不要忘记让点匹配线断开。

我假设VBA使用VBScript正则表达式方言，需要进行以下修改：

\d*:\d* [AP]M((?!\d*:\d* [AP]M)[\s\S])*correctsecurity

Answer 2

要解决主要问题，只需将正则表达式的中心部分更改为不接受空行：

.*\n - ＆gt; .+\n

然后在中心部分之前添加换行符\n，以避免跳过AM|PM部分：

所以你的正则表达式将是：

                                        ^      ^
Changes --------------------------------|------|

<小时/> 可选优化 您可以删除许多不需要的组，并为换行符(?:\r\n?|\n)添加通用的多操作系统正则表达式：