Question

我正在尝试从pdf中提取文本。但是提取的文本不正确。因此，我正在编写正则表达式以提取和使用它。由于我刚开始编写正则表达式并处理文本中的多行，因此我遇到了问题。可以帮个忙。字符串文本是这样的： stringtext = 0,10-0,20 0,30-0,40，0,50-0,60（第1行） A（第2行） /（第3行） B（第4行） /（第5行） C（第6行） /（第7行） D（第8行） /（第9行）

我的目标是从字符串文本中仅提取A B C D。可以帮个忙。谢谢！

我尝试进行研究，但找不到适合我的解决方案。

    stringtext = 0,10 - 0,20 0,30 - 0,40, 0,50 - 0,60
                 A
                 /
                 B
                 /
                 C
                 /
                 D
                 /;
   Pattern pattern = pattern.compile(".*\\r\\n(\\_.*)$");
   Matcher matcher = pattern.matcher(stringtext);
   if(matcher.find()){
    System.out.println(matcher.group(1);
   }

预期输出应为A B C D

Answer 1

如果您想使用.*来匹配第一行，则可以通过以第一个数字的模式开头来使匹配更加具体。

您可以利用\G锚获得重复的匹配并匹配捕获组中的大写字符。

(?:^\d+,\d+.*|\G(?!^))\R\h+([A-Z])\R.*\/

说明

(?:非捕获组
- ^\d+,\d+.*从字符串1+个数字，逗号和1+个数字的开头开始匹配
- |或
- \G(?!^)在上一场比赛的末尾而不是在开始时断言
)关闭非捕获组
\R\h+匹配unicode换行符序列和1+个水平空格字符
([A-Z])在组1中捕获大写字符
\R.*\/匹配unicode换行符序列，除换行符0+次和正斜杠以外的任何字符。

Regex demo | Java demo

例如：

String regex = "(?:^\\d+,\\d+.*|\\G(?!^))\\R\\h+([A-Z])\\R.*\\/";
String stringtext = "0,10 - 0,20 0,30 - 0,40, 0,50 - 0,60\n"
     + "                     A\n"
     + "                     /\n"
     + "                     B\n"
     + "                     /\n"
     + "                     C\n"
     + "                     /\n"
     + "                     D\n"
     + "                     /;";

Pattern pattern = Pattern.compile(regex);
Matcher matcher = pattern.matcher(stringtext);

while (matcher.find()) {
    System.out.println(matcher.group(1));
}

结果

A
B
C
D

正则表达式以匹配多行中的字符串模式

1 个答案: