正则表达式使用 Notepad++ 在第一个字符串和另一个字符串的第一个实例之间查找字符串

【问题标题】：Regex find string between first string and the first instance of another string using Notepad++正则表达式使用 Notepad++ 在第一个字符串和另一个字符串的第一个实例之间查找字符串
【发布时间】：2015-03-11 16:37:11
【问题描述】：

抱歉 - 为了清楚起见，我已对此进行了编辑（我已尝试在帖子后面删除粗体，但它并没有消失......源文件中的星号将其丢弃）：

我正在解析医疗索赔文件，需要查找一个字符串与另一个字符串之间匹配的任何实例，但前提是匹配出现在另一个字符串得到满足之前。

我要搜索的特定字符串是 DTP*431 和 REF*6R（我将 DTP*431 作为其中的一部分，因为它在某些情况下会被消除）。

如果紧跟在 DTP*431*D8* 之后的 8 位数字与文件中紧跟在 DTP*472*RD8* 下一个实例之后的 8 位数字完全匹配，我需要正则表达式返回匹配项，并且不继续搜索紧接在下一个 DTP*472*RD8* 实例之后的 8 位数字之后

此示例不应返回匹配项，因为紧跟在 DTP*431*D8* (20150101) 之后的 8 位数字与紧跟在 DTP*472*RD8* (20150102) 的下一个实例之后的 8 位数字不匹配：

DTP*431*D8*20150101~
[中间的可变文本]
LX*1~
DTP*472*RD8*20150102-20150102~
REF*6R*[更多信息]~
[中间的可变文本]
排版*431*D8*20141231~
[中间的可变文本]
LX*1~
DTP*472*RD8*20150103-20150103~
REF*6R*[更多信息]~

此示例应返回匹配项，但应仅反映匹配项，因为紧随 DTP*431*D8* (20150101) 之后的 8 位数字与文件中出现的第一个 DTP*472*RD8* 实例后的 8 位数字完全匹配(20150101):


DTP*431*D8*20150101~
[中间的可变文本]
LX*1~
DTP*472*RD8*20150101-20150101~
REF*6R*[更多信息]~
[中间的可变文本]
排版*431*D8*20141231~
[中间的可变文本]
LX*1~
DTP*472*RD8*20150102-20150102~
REF*6R*[更多信息]~

此示例不应返回匹配项，因为即使在 DTP*431*D8* 实例和 DTP*472*RD8* (20150101) 实例之后的前 8 位数字之间存在匹配项，它也不是下一个实例提供匹配的 DTP*472*RD8*：

DTP*431*D8*20150101~
[中间的可变文本]
LX*1~
DTP*472*RD8*20150103-20150103~
REF*6R*[更多信息]~
[中间的可变文本]
排版*431*D8*20141231~
[中间的可变文本]
LX*1~
DTP*472*RD8*20150101-20150101~
REF*6R*[更多信息]~

到目前为止，这是我所拥有的：

(DTP*431*D8*)(?
...但如果 DTP*472 的第一个实例中的日期不匹配，它将继续经过第一个 DTP*472 并查找，直到找到日期与 \1 元素匹配的任何 DTP*472。

因此，如果我搜索以下文本，它将（不希望地）匹配粗体部分：

DTP*431*D8*20150101~
[中间的可变文本]
LX*1~
DTP*472*RD8*20150102-20150102~
REF*6R*[更多信息]~
[变量之间的文本]
DTP*431*D8*20141231~
[变量中间的文字]
LX*1~
DTP*472*RD8*20150101-20150101~
REF*6R*[更多信息]~


我想要做的是删除整行 DTP*431*D8* 如果紧随 DTP*431*D8* 之后的 8 位数字与紧随下一个 DTP*472*RD8* 实例之后的 8 位数字完全匹配

这是我从网上下载并修改的示例（我不能使用实际数据）。这个项目应该产生一个匹配：

ISA*00* *01*SECRET ZZSUBMITTERS.ID ZZRECEIVERS.ID *150101*0001*^*00501*00000001*1*T*:~
GSHC发件人代码*收件人代码*0*0001*1*X*005010X222~
ST*837*0021*005010X222~
BHT*0019*00*244579*20150101*1023*CH~
NM1*41*2*计费服务*****46*9999999~
PERICDOE*JOHN*3055552222*EX*111~
NM1*40*2*ABC保险公司*****46*1111111~
HL*1* * 20*1~
PRVBIPXC*1234597890~
NM1*85*2*医生办公室*****XXX*9876543210~
N3*1234 主街~
N4*洛杉矶*CA*11111~
REF*EI*222222222~
NM1*87*2~
N3*2345 主街~
N4*洛杉矶*CA*11111~
HL*2*1*22*1~
SBR*P********CI~
NM1*IL*1*DOE*JANE****MI*11332255~
DMG*D8*10000101*O~
NM1*PR*2*DEF 保险公司*****PI*999996666~
HL*3*2*23*0~
拍*19~
NM1*QC*1*JONES*JOHN~
N3*111 N MAIN ST~
N4*洛杉矶*CA*22222~
DMG*D8*10000202*O~
CLM*888888*1***11:B:1*YAY*I~
排版*431*D8*20150201~
参考*D9*1~
HI*BK:9999*BF:V999~
LX*1~
SV1*HC:99999*1*UN*1***1~
DTP*472*RD8*20150101-20150201~
REF*6R*000001~
SE*33*0021~
通用电气*1*1~
国际能源署*1*000000001~

使用它，如果找到我的匹配项，我将完全删除 DTP*431*D8 行，然后文件将如下所示：

ISA*00* *01*SECRET ZZSUBMITTERS.ID ZZRECEIVERS.ID *150101*0001*^*00501*00000001*1*T*:~
GSHC发件人代码*收件人代码*0*0001*1*X*005010X222~
ST*837*0021*005010X222~
BHT*0019*00*244579*20150101*1023*CH~
NM1*41*2*计费服务*****46*9999999~
PERICDOE*JOHN*3055552222*EX*111~
NM1*40*2*ABC保险公司*****46*1111111~
HL*120*1~
PRVBIPXC*1234597890~
NM1*85*2*医生办公室*****XXX*9876543210~
N3*1234 主街~
N4*洛杉矶*CA*11111~
REF*EI*222222222~
NM1*87*2~
N3*2345 主街~
N4*洛杉矶*CA*11111~
HL*2*1*22*1~
SBR*P********CI~
NM1*IL*1*DOE*JANE****MI*11332255~
DMG*D8*10000101*O~
NM1*PR*2*DEF 保险公司*****PI*999996666~
HL*3*2*23*0~
拍*19~
NM1*QC*1*JONES*JOHN~
N3*111 N MAIN ST~
N4*洛杉矶*CA*22222~
DMG*D8*10000202*O~
CLM*888888*1***11:B:1*YAYI~
REFD9*1~
HI*BK:9999*BF:V999~
LX*1~
SV1*HC:99999*1*UN*1***1~
DTP*472*RD8*20150101-20150201~
REF*6R*000001~
SE*33*0021~
通用电气*1*1~
IEA*1*000000001~


相反，此项目将无法匹配，文件将保持原样：

ISA*00* *01*SECRET ZZSUBMITTERS.ID ZZRECEIVERS.ID *150101*0001*^*00501*00000001*1*T*:~
GSHC发件人代码*收件人代码*0*0001*1*X*005010X222~
ST*837*0021*005010X222~
BHT*0019*00*244579*20150101*1023*CH~
NM1*41*2*计费服务*****46*9999999~
PERICDOE*JOHN*3055552222*EX*111~
NM1*40*2*ABC保险公司*****46*1111111~
HL*120*1~
PRVBIPXC*1234597890~
NM1*85*2*医生办公室*****XXX*9876543210~
N3*1234 主街~
N4*洛杉矶*CA*11111~
REF*EI*222222222~
NM1*87*2~
N3*2345 主街~
N4*洛杉矶*CA*11111~
HL*2*1*22*1~
SBR*P********CI~
NM1*IL*1*DOE*JANE****MI*11332255~
DMG*D8*10000101*O~
NM1*PR*2*DEF 保险公司*****PI*999996666~
HL*3*2*23*0~
拍*19~
NM1*QC*1*JONES*JOHN~
N3*111 N MAIN ST~
N4*洛杉矶*CA*22222~
DMG*D8*10000202*O~
CLM*888888*1***11:B:1*YAY*I~
排版*431*D8*20150201~
参考*D9*1~
HI*BK:9999*BF:V999~
LX*1~
SV1*HC:99999*1*UN*1***1~
DTP*472*RD8*20150102-20150202~
REF*6R*000001~
SE*33*0021~
通用电气*1*1~
国际能源署*1*000000001~

【问题讨论】：

  • 问题不是开始，而是结束。在您的第一个示例中，是什么让它超越了 REF*6R*[ ？您在寻找平衡的开始/结束吗？
  • 我不确定什么是平衡的开始/结束。我希望我在这方面做得更好，但我学到的大部分东西都来自于没有正式指导的网站。我现在正在阅读平衡的开始和结束，并且可能很快就会有答案。 :)
  • 完全不清楚。请编辑您的问题，添加 1）您想要重现的确切规则，2）几个示例，清楚地解释为什么它们应该失败或成功
  • 我认为您为我指明了正确的方向。问题是我不知道我不知道什么。那我会这样做吗？ (?'open'(DTP*431*D8*)([0-9]{8}))+(?'-open'DTP*472*\2)+
  • @BartlebytheScrivener 您的问题不够清楚，您可以发布示例数据和预期输出吗？

标签： regex string search notepad++


【解决方案1】：

好的，重做。现在查看您的样品。
它变得非常复杂。有很多事情正在发生。

试图解释它会很乏味。所以，我把所有的解释都放在了
正则表达式 cmets。

只需将匹配替换为“”，就可以了。

RegexFormat 5 进行格式化、调试、测试和分析。

 # (?sm)(?:^[ \t]*DTP\*\d{3}\*R?D\d\*(\d{8})[^\r\n]*\r?\n(?=(?:(?!^[ \t]*DTP\*\d{3}\*R?D\d\*).)*^[ \t]*DTP\*\d{3}\*R?D\d\*(?:\1|\d{8}-\1).*?^[ \t]*REF\*6R)|^[ \t]*DTP\*\d{3}\*R?D\d\*\d{8}-(\d{8})[^\r\n]*\r?\n(?=(?:(?!^[ \t]*DTP\*\d{3}\*R?D\d\*).)*^[ \t]*DTP\*\d{3}\*R?D\d\*(?:\2|\d{8}-\2).*?^[ \t]*REF\*6R))

 (?sm)
 (?:
      ^ [ \t]* DTP\* \d{3} \*R?D \d \*
      ( \d{8} )                           # (1), Checking "first" NUMBER spot
      [^\r\n]* \r? \n                     # Grab the rest of this line

      (?=                                 # Lookahead 
           (?:                                 # Not a DTP line
                (?! ^ [ \t]* DTP\* \d{3} \*R?D \d \* )
                . 
           )*
           ^ [ \t]* DTP\* \d{3} \*R?D \d \*    # The very next 'DTP' line
           (?: \1 | \d{8} - \1 )               # Number must be in one of these spots
           .*? ^ [ \t]* REF\*6R                # The ending
      )

   |                                    ## Or, 

      ^ [ \t]* DTP\* \d{3} \*R?D \d \*
      \d{8} - 
      ( \d{8} )                           # (2), Checking "second" NUMBER spot
      [^\r\n]* \r? \n                     # Grab the rest of this line

      (?=                                 # Lookahead
           (?:                                 # Not a DTP line
                (?! ^ [ \t]* DTP\* \d{3} \*R?D \d \* )
                . 
           )*
           ^ [ \t]* DTP\* \d{3} \*R?D \d \*    # The very next 'DTP' line
           (?: \2 | \d{8} - \2 )               # Number must be in one of these spots
           .*? ^ [ \t]* REF\*6R                # The ending
      )
 )

您可能希望将 Lookaheads 转换为捕获组（(?=..) 到 (..)，然后调整后向引用以指向 \1 和 \3。
此时替换只是\2\4 或$2$4。
这样做是将搜索位置移动到结尾，避免可能的重叠。 

 # (?sm)(?:^[ \t]*DTP\*\d{3}\*R?D\d\*(\d{8})[^\r\n]*\r?\n((?:(?!^[ \t]*DTP\*\d{3}\*R?D\d\*).)*^[ \t]*DTP\*\d{3}\*R?D\d\*(?:\1|\d{8}-\1).*?^[ \t]*REF\*6R)|^[ \t]*DTP\*\d{3}\*R?D\d\*\d{8}-(\d{8})[^\r\n]*\r?\n((?:(?!^[ \t]*DTP\*\d{3}\*R?D\d\*).)*^[ \t]*DTP\*\d{3}\*R?D\d\*(?:\3|\d{8}-\3).*?^[ \t]*REF\*6R))

 (?sm)
 (?:
      ^ [ \t]* DTP\* \d{3} \*R?D \d \*
      ( \d{8} )                           # (1), Checking "first" NUMBER spot
      [^\r\n]* \r? \n                     # Grab the rest of this line

      (                                   # (2 start), Part to be written back 
           (?:                                 # Not a DTP line
                (?! ^ [ \t]* DTP\* \d{3} \*R?D \d \* )
                . 
           )*
           ^ [ \t]* DTP\* \d{3} \*R?D \d \*    # The very next 'DTP' line
           (?: \1 | \d{8} - \1 )               # Number must be in one of these spots
           .*? ^ [ \t]* REF\*6R                # The ending
      )                                   # (2 end)

   |                                    ## Or, 

      ^ [ \t]* DTP\* \d{3} \*R?D \d \*
      \d{8} - 
      ( \d{8} )                           # (3), Checking "second" NUMBER spot
      [^\r\n]* \r? \n                     # Grab the rest of this line

      (                                   # (4 start), Part to be written back
           (?:                                 # Not a DTP line
                (?! ^ [ \t]* DTP\* \d{3} \*R?D \d \* )
                . 
           )*
           ^ [ \t]* DTP\* \d{3} \*R?D \d \*    # The very next 'DTP' line
           (?: \3 | \d{8} - \3 )               # Number must be in one of these spots
           .*? ^ [ \t]* REF\*6R                # The ending
      )                                   # (4 end)
 )

【讨论】：

  • 我希望我编辑的条目能够清晰，但这与我的第一个示例有相同的问题。如果 DTP*472*RD8* 的第一个实例不匹配，它将继续搜索，直到找到匹配的实例。
  • @BartlebytheScrivener - 幸运的是，这正是这个正则表达式所做的。你检查了 Output 吗？
  • 编辑：我想我错过了一些东西。它实际上是从我的生产文件中的一个不同的 DTP 段开始的，这让我大吃一惊。我现在正在重新测试。
  • 我已经尝试将其编辑为仅使用 431 开始和 472 结束，并且它会超过第一个 472 以查找 472 的下一个实例，其日期与第一个匹配.我也尝试过将 472 保留为 \d{3} 无济于事。
  • @BartlebytheScrivener - 看看修改后的。
【解决方案2】：

我不太确定我是否理解了你的问题，但假设你想捕获DTP*431 和REF*6R 之间的内容，包括DTP*431，那么你可以使用这个正则表达式：

(DTP\*431.*?)REF\*6R

Working demo

您将内容保存到丢弃 REF*6R 的捕获组中。您可以看到蓝色的匹配项和绿色的捕获组内容。

【讨论】：

    猜你喜欢
    • 2014-07-17
    • 1970-01-01
    • 2019-06-22
    • 1970-01-01
    • 1970-01-01
    • 1970-01-01
    • 1970-01-01
    • 2023-03-07
    • 1970-01-01
    相关资源
    最近更新 更多
    热门标签
    Java Python linux javascript Mysql C# Docker 算法 前端 SpringBoot Redis Vue spring 设计模式 .net core .net kubernetes c++ 数据库 数据结构 大数据 js 机器学习 微服务 Android Go 程序员 面试 JVM ASP.net core 云原生 人工智能 后端 PHP git CSS golang k8s Nginx Django mybatis 深度学习 多线程 React 架构 devops 爬虫 云计算 Spring Boot LeetCode