选择匹配正则表达式后的下一行

Question

我目前正在使用扫描软件“Drive Image”从每篇论文中提取某些信息。如果需要，该软件可以运行某些正则表达式代码。它似乎是使用 UltraEdit Regex Engine 运行的。

我得到以下扫描结果：

 1. 21Sid1
 2. Ordernr
 3. E17222
 4. By
 5. Seller

我需要在字符串中搜索文本

Ordernr

，然后选择以下行

E17222

，它最终将成为扫描文档的文件名。我永远不会知道这两个值在字符串中的确切位置。这就是为什么我需要关注

Ordernr

，因为我需要的文本将始终作为下一行。

我的要求是，我需要

E17222

成为比赛结果中唯一的内容才能发挥作用。我只允许输入普通正则表达式。

已经有一个很棒的线程：Regex 来获取匹配字符串后的单词

我已经测试过“ Ordernr\s+\K\S+”，效果很好..

要不是软件不允许使用/K。还有其他实现 \K 的方法吗？

继续

尽管如果示例文本涉及“Ordernr”后面的字符，则当前答案无法达到我需要的程度。喜欢这个示例：

21西德1

订购1

E17222

由

卖家

当前的解决方案选择“1”，而不是“下一行”，即“E17222”。在匹配组中。需要指出这一点以进一步参与该问题。

Answer 1

描述

ordernr[\r\n]+([^\r\n]+)

此正则表达式将执行以下操作：

• 找到

  ordernr

  子串
• 将该行放在

  ordernr

  捕获组 1 后面

示例

现场演示

https://regex101.com/r/dQ0gR6/1

示例文本

 1. 21Sid1
 2. Ordernr
 3. E17222
 4. By
 5. Seller

比赛示例

[0][0] = Ordernr
 3. E17222
[0][1] =  3. E17222

说明

NODE                     EXPLANATION
----------------------------------------------------------------------
  ordernr                  'ordernr'
----------------------------------------------------------------------
  [\r\n]+                  any character of: '\r' (carriage return),
                           '\n' (newline) (1 or more times (matching
                           the most amount possible))
----------------------------------------------------------------------
  (                        group and capture to \1:
----------------------------------------------------------------------
    [^\r\n]+                 any character except: '\r' (carriage
                             return), '\n' (newline) (1 or more times
                             (matching the most amount possible))
----------------------------------------------------------------------
  )                        end of \1
----------------------------------------------------------------------

或者

仅使用环视捕获线，以便

ordernr

不包含在捕获组 0 中，并适应

\r

和

\n

的所有变化

(?<=ordernr\r|ordernr\n|ordernr\r\n)[^\r\n]+

现场演示

https://regex101.com/r/pA4fD4/2

Answer 2

进行了一些谷歌搜索，据我所知，

REGEXP.MATCH

的最后一个参数是要使用的捕获组。这意味着您可以使用自己的正则表达式，无需使用

\K

，只需将捕获组添加到要提取的数字即可。

 \bOrdernr\s+(\S+)

这意味着该数字最终会出现在捕获组

1

中（整场比赛都在

0

中，我假设您已经使用过）。

文档不是很清楚，但我猜语法是

REGEXP.MATCH(<ZoneName>, "REGEX", CaptureGroup)

意味着你应该使用

REGEXP.MATCH(<ZoneName>, "\bOrdernr\s+(\S+)", 1)

这里有很多猜测......;)

Answer 3

一般来说，如果您必须为此使用正则表达式解决方案，则可以使用

PATTERN.*\n(.*)
PATTERN[^\r\n]*[\r\n]+([^\r\n]*)

并且如果支持 \K 运算符

（如果您无法访问捕获组，则需要该操作符）：

PATTERN.*\n\K.*
PATTERN[^\r\n]*[\r\n]+\K[^\r\n]*

或者，如果支持可变宽度lookbehind模式（如在.NET或PyPi正则表达式Python库中）：

(?<=PATTERN.*\n).*
(?<=PATTERN[^\r\n]*[\r\n]+)[^\r\n]*

其中 

PATTERN

是您要在前一行中匹配的模式。当您不希望

[^\r\n]

在具有此行为的正则表达式库（例如 .NET）中捕获回车符时，请使用

.

版本。

注意

：从文件中读取内容时，必须确保将整个文件读取为单个字符串。例如。在Python中，你必须使用.read()，而不是

.readlines()

，否则，你将无法执行多行匹配。在 Perl 中，您可以

slurp in 

中的文件，在 PowerShell 中使用 Get-Content -Raw

 等。

因此，要在带有图案的一行之后获得

整行

，您可以使用

with open("data.txt", "r") as f:
    match = re.search(r'Ordernr.*\n(.*)', f.read())
    if match:
        print(match.group(1))

请参阅 

此正则表达式演示

。 为了仅获得

E17222

，您可以精确地使用

(.*)

模式：比如说，您想要匹配以大写字母开头的第一个整个单词，然后匹配其后的任何数字，直到单词结尾。那么就会是

.*?\b([A-Z][0-9]+)

:

with open("data.txt", "r") as f:
    match = re.search(r'Ordernr.*\n.*?\b([A-Z][0-9]+)', f.read())
    if match:
        print(match.group(1))

请参阅 

此正则表达式演示

。