Question

在我的OCR文本中，我得到这样的输出......

"responses": [
{
  "textAnnotations": [
    {
      "locale": "fr",
      "description": "3160 6392682B\nrinlraction\nE叠\narlairs&Lei sot les infractions provinsiales, Cour de jnstice de Ontarie Regt.

我想要获取＆＃34; 6392682B＆＃34;值（8个字母数字字符）。数字和最后一个字符在不同的图像中会有所不同。唯一的标准部分是它的长度，即8个字符（前7个是数字，最后一个是字母）。

我尝试过：

preg_match_all("/(\d{7})/", $str, $ar);

前7个数字值和最后一个字母。

Answer 1

$description = "3160 6392682B\nrinlraction\nE叠\narlairs&Lei sot les infractions provinsiales, Cour de jnstice de Ontarie Regt.";

字面匹配7位数字，然后是1个大写字母字符 :( Demo）

echo preg_match('/\d{7}[A-Z]/',$description,$out)?$out[0]:'not found';

如果你知道你的子串紧跟在第一个数字串和一个空格之后：

echo preg_match('/\d+ \K\d{7}[A-Z]/',$description,$out)?$out[0]:'not found';

如果需要设置一些边界，以便子字符串上没有前导或尾随字符：

echo preg_match('/\b\d{7}[A-Z]\b/',$description,$out)?$out[0]:'not found';

这将检查数字序列是否不是8或更多，并且在所需子字符串的大写字母后面没有字母数字字符或下划线。

如果您知道子字符串的位置，您甚至可以根据前面的字符匹配它。跟踪它：

echo preg_match('/ \K[^\n]+/',$description,$out)?$out[0]:'not found';

一些额外的澄清：

\K表示从哪里开始全字符串匹配，因此不需要捕获组。

\b是名为“word boundary”的正则表达式字符。

在字符串的开头使用锚^只有在您知道所需的子字符串跟随数字字符串和空格时才有用。

unicode标志是不必要的，因为你的PATTERN没有使用任何unicode字符。

您可以在regex101.com测试我的模式。只有在完全理解输入字符串（$description）的可变性后才能确定最准确和最有效的模式。我不会对字符串中的子字符串位置做任何假设。

我唯一能确定的是基于你提供的细节的匹配模式：7位数字，然后是1个大写字母。这正是我的第一，第二和第三种模式所做的。

Francesco的第一个模式将匹配：AAAAAAAAAAAAAAAAA，11111111111111111111，1A2S3D4F5G6H7J8K9L0 Francesco的第二种模式将匹配：ZZZZZZZZ，99999999，A1B2C3D4

这使得他的模式不准确/糟糕/误导，并可能教导未来SO读者糟糕的正则表达式实践......更不用说可能会污染你的项目了！

根据特定格式查找子字符串（7位数字，然后是1个大写字母）

1 个答案: