如何从顶部提取发票号码作为单词发票后的第一个匹配项

Question

发票包含单词“发票”，后跟发票编号，如发票顶部区域中的

IN280625-3/4

：

Payer:_xxxxxxx
Waybill Invoice_IN280625-3/4 Nimetus_EAN  
Invoice issuer: John
Selle Invoice tasumisel_palume m lisada Kesolev Invoice on poolte
vahel Invoice mittetähtaegsel tasumisel on müüjal õigus nõuda viivist 0,1% tasumata summalt päevas.
Kuni Invoice_IN280625-3/4 payment xxx

使用 c# .NET 8 正则表达式提取发票号码

IN280625-3/4

(?si).*Invoice[\s_:.]+(?<anr>[^\s_]+).+ to group anr 返回最后一个匹配项

payment

，因为“invoice”一词多次出现。如何获得第一场比赛？单词发票可能出现在具有不同单词组合的文本中，因此无法增强搜索模式。如何从单词顶部的文本顶部获取第一个单词

invoice

？

测试用例位于

https://regex101.com/r/vvDZpU/1

如何强制它返回

IN280625-3/4

而不是

payment

？
.NET 8 RegExp.Match 有这样的选项吗？

使用

传递文本顶部

var algus = tekst.IndexOf("Invoice", StringComparison.InvariantCultureIgnoreCase);
var tekst2 = tekst.Substring(algus, algus + 40);
var cnr2 = @"(?si).*Invoice[\s_:.]+(?<anr>[^\s_]+).+";
var match = RegExp.Match(tekst2, cnr);

可行，但也许有更好的选择。

Answer 1

您可以省略正则表达式中的

s

 标志以及 

.*

 和 

.+

 部分，并使用 

Regex.Match 来获取第一个匹配项。

如果匹配中至少应有一个数字，并且允许的字符为大写和小写 A-Z、数字 0-9 和

/

 或 

-

，您可以将正则表达式更新为：

(?i)\bInvoice[ _:.]+(?<anr>[A-Z/-]*[0-9][A-Z0-9/-]*)(?!\S) 模式匹配：

• (?i)

   不区分大小写匹配的内联修饰符

• \bInvoice

   匹配前面有单词边界的单词 

  Invoice
[ _:.]+
• 匹配任意列出的字符 1 次以上
(?<anr>
• 命名组

  anr

  [A-Z/-]*
  • 匹配 0+ 次任何允许的字符（数字除外）
  [0-9]
  • 匹配单个数字
  [A-Z0-9/-]*
  • 匹配 0+ 次任何允许的字符
)
• 关闭群组anr
(?!\S)
• 在右侧断言空白边界
查看

regex 演示

和 C# 演示 例如

string pattern = @"(?i)\bInvoice[ _:.]+(?<anr>[A-Z/-]*[0-9][A-Z0-9/-]*)(?!\S)";
string input = @"Payer:_xxxxxxx
Waybill Invoice_5IN280625-3/4 Nimetus_EAN  
Invoice issuer: John
Selle Invoice tasumisel palume m lisada Kesolev Invoice on poolte
vahel Invoice mittetähtaegsel tasumisel on müüjal õigus nõuda viivist 0,1% tasumata summalt päevas.
Kuni Invoice  Second280625-3/4 sumiseni k";

Match m = Regex.Match(input, pattern);
if (m.Success) {
    Console.WriteLine(m.Groups["anr"]);
}

输出

5IN280625-3/4