如何使用正则表达式提取段落中的数据答案

【问题标题】：how to extract data in paragraph using regex如何使用正则表达式提取段落中的数据
【发布时间】：2021-06-04 04:04:22
【问题描述】：

客户参考 N139211508474572 输入日期 05/19/2021 额外信息 NEFT IN UTR FROM S S DISTRIBUTOR N139211508474 572TXN REF NO 23621001323

如何提取供应商公司名称，如 S S DISTRIBUTOR，在这个 FROM 在我拥有的多个数据中是恒定的，我做了正则表达式代码来提取客户参考号（？

客户参考号不是固定的，它会包含混合的数字和字母或只有数字。

【问题讨论】：

正则表达式是一种钝器，用于使许多问题屈服。它并不总是正确的（而且几乎从来都不是简单的）解决方案。您是否尝试过计算空格来找到您需要的数据？
另外，请更新您的标签。您使用的是哪种语言？您能否也展示您的代码以及您尝试过的内容？
我需要此代码用于 uipath，使用此代码我正在提取 pdf 数据

标签： python .net regex vb.net c++11

【解决方案1】：

假设供应商公司名称位于关键字FROM 和客户参考号之间，请您尝试一下：

Customer Reference (.*).* FROM (.*) \1

Group2 捕获供应商公司名称S S DISTRIBUTOR。

Demo

【讨论】：

感谢回复，
对于使用该代码，输出为（客户参考 N139211508474572 输入日期 05/19/2021 额外信息 NEFT IN UTR FROM S）。这是我得到的输出
由于您没有指定您使用的语言，我最多可以提供 regex101 解决方案。您能否提供您测试的代码以重现上述输出？
我正在使用 uipath RPA 进程提取数据，我不懂语言。

【解决方案2】：

您没有指定您实际使用的语言，正如@some-programmer-dude 提到的，正则表达式不一定是在字符串中搜索的最佳解决方案。

您标记了python，因此假设您正在使用它，您可以考虑使用split 和index 来获取FROM 之后和REF 之前的两个字：

s = "Customer Reference N139211508474572 Entry Date 05/19/2021 Extra Information NEFT IN UTR FROM S S DISTRIBUTOR N139211508474 572TXN REF NO 23621001323"
# Convert all to UPPER case first
s = s.upper()
# Clean unnecessary whitespaces first just in case
s = " ".join(s.split())
# Get all text after FROM
s = s.split("FROM")[1]
# Get all text which are 2 words before REF
index_of_REF = s.split().index("REF")
s = " ".join(s.split()[:index_of_REF-2])
print(s)

这给出了：

S S DISTRIBUTOR

【讨论】：