如何从地址标签中获取特定的用户代码

Question

我正在尝试从包含地址和 6 位数字的包裹标签中获取用户代码，有时还包含 2 个带有 6 位数字的前缀。首先，我得到标签图像，然后在 aws textract 的帮助下，我获取文本。但在文本内部有时可能有 6 位数字的另一个代码。

我用preg_match_all 尝试了(\s\d{6}\s)|((\.)\d{6}\s)|(\s[a-zA-Z]{2}\d{6}\s) 正则表达式。

是否有任何解决方案可以帮助我找到该代码？

请注意，地址始终是静态的，可能有任何函数可以在该地址附近进行搜索？

标签示例。搜索到-->

Lorem ipsum dolor sit amet, consectetur adipiscing elit, sed do eiusmod tempor incididunt --> 913847 <-- ut labore et dolore magna aliqua.
Lorem ipsum dolor sit amet, consectetur adipiscing elit, sed do eiusmod tempor incididunt ut labore et dolore magna aliqua --> 913847 <--.
--> TK913847 <-- Lorem ipsum dolor sit amet, consectetur adipiscing elit, sed do eiusmod tempor incididunt ut labore et dolore magna aliqua.

Answer 1

使用

preg_match_all('/address\s+\K(?:[A-Z]{2})?\d{6}\b/i', $string, $matches)

注意：不是preg_match。使用 preg_match_all 从您的文本中获取所有匹配项。

见regex proof。

解释

--------------------------------------------------------------------------------
  address                  'address'
--------------------------------------------------------------------------------
  \s+                      whitespace (\n, \r, \t, \f, and " ") (1 or
                           more times (matching the most amount
                           possible))
--------------------------------------------------------------------------------
  \K                       match reset operator
--------------------------------------------------------------------------------
  (?:                      group, but do not capture (optional
                           (matching the most amount possible)):
--------------------------------------------------------------------------------
    [A-Z]{2}                 any character of: 'A' to 'Z', 'a' to 'z' (2 times)
--------------------------------------------------------------------------------
  )?                       end of grouping
--------------------------------------------------------------------------------
  \d{6}                    digits (0-9) (6 times)
--------------------------------------------------------------------------------
  \b                       the boundary between a word char (\w) and
                           something that is not a word char

Answer 2

看起来这可以满足您的所有需求：

preg_match_all('#\b(([\w]{2})?[\d]{6})\b#ms', $input, $matches);

匹配以下代码示例：

• AA123456
• bb123456
• 123456

但如果由于以下边界而成为术语的一部分，则不会匹配：

• lorem123456
• code123456aa