Question

我有以下文字模式

(2222) First Last (ab-cd/ABC1), <first.last@site.domain.com> 1224: efadsfadsfdsf

(3333) First Last (abcd/ABC12), <first.last@site.domain.com> 1234, 4657: efadsfadsfdsf

我希望文字1224之后的上述文字中的数字1234, 4657或>。

我有这个 \((\d+)\)\s\w*\s\w*\s\(\w*\/\w+\d*\),\s<\w*\.\w*\@\w*\.domain.com>\s\d+: 这将采用:之前的文字但我希望通过电子邮件直到:

有没有简单的正则表达式来做到这一点？或者我应该使用split并执行此操作

由于

编辑：整个文本由命令行工具返回。

(3333) First Last (abcd/ABC12), <first.last@site.domain.com> 1234, 4657: efadsfadsfdsf

(3333) - 唯一ID

First Last - 名字和姓氏

<first.last@site.domain.com> - 格式为FirstName.LastName@sub.domain.com

的电子邮件地址

1234, 4567 - 数据库主键

: xxxx - 标题

我要做的是处理上面的内容并获取数据库ID（在ex：1234,4567 2中单独的ID）并查询表

以上是我通过Perl脚本调用的工具的输出（我会得到很多条目）。

我的想法是使用正则表达式来获取数据库ID。猜猜我可以使用正则表达式

Answer 1

你可以捏造你不关心的东西，使表达更容易，比如使用非贪婪的量词只是'glob'在括号（和电子邮件分隔符）之间的部分：

/(\d+)\).*?\(.*?\),\s*<.*?>\s*(\d+(?:,\s*\d+)*):/   (not tested!)

只有两个被捕获的组，（1234）和（1234,4657），第二个我只能从你的模式中假设：“一个数字字符串，后跟零个或多个逗号分隔的数字字符串”

Answer 2

嗯，一个简单的解决方法是只允许字符类中的所有可能字符。也就是说将\d更改为[\d, ]以允许数字，逗号和空格。

您的正则表达式与第一个示例行不匹配，因为其中包含短划线-（ab-cd/ABC1与\w*\/\w+\d*\不匹配）。此外，过分依赖*量词不是一个好主意，因为它确实匹配空字符串（它匹配零次或多次），并且只应用于真正可选的事物。否则使用+，匹配（1次或多次）。

你有一个相当严格的正则表达式，并且像这样的数据略有变化，它将失败。只有你知道你的数据是什么样的，如果你确实需要一个严格的正则表达式。但是，如果您的数据有些一致，则可以使用松散的正则表达式，只需基于电子邮件部分：

sub extract_nums {
    my $string = shift;
    if ($string =~ /<[^>]*> *([\d, ]+):/) {
        return $1 =~ /\d+/g;   # return the extracted digits in a list
        # return $1;           # just return the string as-is
    } else { return undef }
}

当然，这假设您不能在该行的电子邮件部分前面添加<>标记。它将捕获<>标记和冒号之间的任何数字，逗号和空格，然后返回匹配中找到的任何数字的列表。您也可以只返回字符串，如注释行所示。

Answer 3

您的示例中似乎缺少某些内容。这是他们应该看起来像电子邮件吗？

(1234) First Last (ab-cd/ABC1), <foo.bar@domain.com> 1224: efadsfadsfdsf

(1234) First Last (abcd/ABC12), <foo.bar@domain.com> 1234, 4657: efadsfadsfdsf

如果是这样，这应该有效：

\((\d+)\)\s\w*\s\w*\s\(\w*\/\w+\d*\),\s<\w*\.\w*\@\w*\.domain\.com>\s\d+(?:,\s(\d+))?:

Answer 4

$string =~ /.*>\s*(.+):.+/;
$numbers = $1;

就是这样。测试

号码捕捉：

$string =~ /.*>\s*(?([0-9]|,)+):.+/;
$numbers = $1;

未经测试，但您明白了。

Perl中的正则表达式帮助

4 个答案: