提取文本下一行忽略空格答案

【问题标题】：Extract text next line ignoring whitespaces提取文本下一行忽略空格
【发布时间】：2015-12-12 15:22:53
【问题描述】：

Here，我问如何匹配一个字符串后的下一行。

有时，我的 PDF 包含一些扭曲我的结果的空格。例如，有时我有：

Title:  
this is the text I'd like to extract  
Not this one
Neither this  
(here my code works well)

有时，它的格式如下：

Title:

this is the text I'd like to extract  
Not this one  
Neither this

这是我在 Ruby 中的正则表达式：

^(?<=Title:\n)([^\n]+$)

如果我的匹配文本是 cacharecters [原文如此]（文本或数字）而不是空格，我如何让正则表达式提取下一行？

【问题讨论】：

标签： ruby regex parsing pdf

【解决方案1】：

如果你已经将整个文件读入字符串：

text =
"Title:

this is the text I'd like to extract  
Not this one  
Neither this"

你可以写：

r = /
    \b          # Match a word break
    Title:\s*\n # Match string
    \n*         # Match >= 0 newlines
    \K          # Forget everything matched so far
    [^\n]+      # Match as many characters as possible other than new lines
    /x          # Extended/free-spacing regex definition mode

text[r]
  #=> "this is the text I'd like to extract  "

另一种方式（在众多方式中）是：

lines = text.split(/\n+/)
  #=> ["Title:", "this is the text I'd like to extract  ",
  #    "Not this one  ", "Neither this"] 
lines[lines.index { |l| l.start_with?("Title:") } + 1]
  #=> "this is the text I'd like to extract  "

【讨论】：

【解决方案2】：

\S

不是空格

\s

空格。

^(?<=Title:\n)([^\n\S]+$)

可能并不完全正确，但您应该能够了解如何使用它的要点。本质上，您需要运行 if else 语句来确定在到达下一个字符之前需要循环多少额外的新行，具体取决于是否有匹配的空格。我添加到代码中的内容应该是这样的。

Start at a newline(\n) that does not have a white space(\S) before the matched string($).

【讨论】：