正则表达式捕获一列中的多个单词

Question

目标：我正在努力处理一个表达式 (.NET)，它可以单独捕获完整的 描述列 和一个单独的表达式，可以只提取 Net 总栏目。我知道两者都可以在一个表达式中捕获，但我需要将捕获每一列的表达式分开

我的描述列的正则表达式：

^[A-Z\d]+\s+\d{4}-\d{2}-\d{2}\s+(\w+)

*这里我只得到描述的第一个词。我只需要完整的描述。

我的 Net 列的正则表达式：

^(\S+) .\d{2} \d

示例文本：

2020-08-26 PILE OF LIFE HEALTH PRODUCTS LP Page 1 A/P Remittance Advice Direct Deposit 2020-08-26

Cheque # 11361 Vendor # 0828 HAIN CELESTIAL CANADA, ULC

Invoice #  Date       Description  Gross       Disc  Net
===============================================================

225299     2020-07-24 P2156678     7,610.52    .00   7,610.52 
225839     2020-07-22 P2157105     7,826.28    .00   7,826.28 
225969     2020-07-22 P2157106     8,760.59    .00   8,760.59 
226384     2020-07-22 P2157104     42,274.76   .00   42,274.76
CR01BEPJ   2020-08-17 MULTI MCBS   4,470.06-   .00   4,470.06-
CR01BEXS   2020-08-24 MULTI MCBS   5,212.81-   .00   5,212.81-

DM20082311 2020-08-14 LIFESTYLE MARKETS NA   201.25-   .00   201.25-
DM20083583 2020-08-17 KARDISH FOOD FRANCHI   281.37-   .00   281.37-
DM20085965 2020-08-12 AVRILSUPERMARCHE-WAR   871.50-   .00   871.50-
DM20086678 2020-08-12 AVRILSUPERMARCHE-WAR   871.50-   .00   871.50-
DM20089459 2020-07-30 LOBLAWS                8.90-     .00   8.90-  
DM20089500 2020-08-14 COUNTRY GROCER-CHASE   105.00-   .00   105.00-

========================================== 54,449.76 .00 54,449.76

Printed on 2020-08-26 at 6:26

2020-04-23 PILE OF LIFE HEALTH PRODUCTS LP Page 1 A/P Remittance Advice Direct Deposit 2020-04-23

Cheque # 9699 Vendor # 0828 HAIN CELESTIAL CANADA, ULC

Invoice # Date Description Gross Disc Net ===================================================================================

218124     2020-02-27 P2151168     2,253.44    .00   2,253.44 
219021     2020-03-18 P2152030     35,242.65   .00   35,242.65
219216     2020-03-18 P2152031     8,306.81    .00   8,306.81 
CR01BASW   2020-04-20 MULTI MCBS   5,278.05-   .00   5,278.05-

DM2004W450 2020-04-17 RETURNS WFM-GR-20589   124.63-   .00   124.63-
DM2004W828 2020-04-17 RETURNS WFM-GR-20589   266.09-   .00   266.09-
DM20042157 2020-04-07 AVRIL                  871.50-   .00   871.50-
DM20043798 2020-04-07 COUNTRY GROCER         105.00-   .00   105.00-
DM20043892 2020-04-07 COUNTRY GROCER         105.00-   .00   105.00-
DM20048663 2020-04-07 AVRIL                  871.50-   .00   871.50-
DM20049986 2020-04-02 LA MOISSON             258.69-   .00   258.69-

========================================== 37,922.44 .00 37,922.44

Printed on 2020-04-23 at 13:13

Answer 1

看看这是否适合你（写在 python（我不知道 .net）

items = [ '225299     2020-07-24 P2156678     7,610.52    .00   7,610.52',
         '226384     2020-07-22 P2157104     42,274.76   .00   42,274.76',
         'DM20082311 2020-08-14 LIFESTYLE MARKETS NA   201.25-   .00   201.25-' ,
         'CR01BEPJ   2020-08-17 MULTI MCBS   4,470.06-   .00   4,470.06-']
for item in items:
    print(list(filter(None,[x.strip(' ') for x in re.findall(r'\d\s([\w\s]+)\s\d',item)])))

输出

['P2156678']
['P2157104']
['LIFESTYLE MARKETS NA']
['MULTI MCBS']

Answer 2

要匹配第一个模式中的所有单词，您可以选择使用字符 class 后跟 1+ 个单词字符 (?:[ -]\w+)* 重复匹配 space 或连字符捕获组。

^[A-Z\d]+\s+\d{4}-\d{2}-\d{2}\s+(\w+(?:[ -]\w+)*)

Regex demo

对于 Net 列，您可以扩展第一个模式并匹配 1 个或多个非白色space 字符以进行广泛匹配

^[A-Z\d]+\s+\d{4}-\d{2}-\d{2}\s+\w+(?:[ -]\w+)*\s+\S+\s+\S+\s+(\S+)

Regex demo

或者更具体一点，Gross、Disc 和 Net 列匹配 Disc 的点和 2 位数字以及匹配 Gross 和 Net 的点和逗号：

^[A-Z\d]+\s+\d{4}-\d{2}-\d{2}\s+\w+(?:[ -]\w+)*\s+\d{1,3}(?:,\d{3})*\.\d{2}-?\s+\.\d{2}\s+(\d{1,3}(?:,\d{3})*\.\d{2}-?)

Regex demo

正则表达式捕获一列中的多个单词

Regex Expression Capture Multi Words In A Column

.net

regex

expression