捕获非捕获组RegEx中的电子邮件地址

Question

我对regex还很陌生，我真的很难用一个非捕获组来解析一个特定的数据范围，然后用一个捕获组过滤该数据。

具体来说，我使用Invoice2Data来解析pdf发票，并且需要为我的解析模板设置一个yaml文件。yaml文件使用regex为invoice2data设置解析模板。

例如，假设我有发票。页面上有多个电子邮件地址，但我只想捕获“发票”之后的电子邮件：

Invoice for
John Doe
555 Nowhere Ave
johndoe@email.com
555.555.5555

我知道，我可以用如下方式捕获这些行：(?i)For\s(?:^(?:.*\n){4})，它返回：

John Doe
555 Nowhere Ave
johndoe@email.com
555.555.5555

问题是，我不知道如何解析这个非捕获组，以只捕获电子邮件，例如。我有这样的准则来查找电子邮件：([a-zA-Z0-9._-]+@[a-zA-Z0-9._-]+\.[a-zA-Z0-9_-]+)，但它本身将包括发票中的所有电子邮件。另一个问题是，并非所有发票都有地址，因此实际行号可能因发票不同而有所不同。

我如何混合：(?i)For\s(?:^(?:.*\n){4})和([a-zA-Z0-9._-]+@[a-zA-Z0-9._-]+\.[a-zA-Z0-9_-]+)只从发票的特定部分提取电子邮件？

Answer 1

您可以使用与Invoice for匹配的模式，后面跟着不以电子邮件地址(如模式或|发票)开头的所有行，用于使用负前瞻性(?!。

在查找中检查Invoice for可以防止与错误的发票匹配电子邮件地址，因为电子邮件地址可以是可选的。

然后在组1中使用您的特定模式捕获电子邮件地址。

^Invoice for(?:\r?\n(?![^\s@]+@[^\s@]|Invoice for\b).*)*\r?\n([a-zA-Z0-9._-]+@[a-zA-Z0-9._-]+\.[a-zA-Z0-9_-]+)

Regex演示

或者在负面展望中使用您的完整电子邮件模式。

^Invoice for(?:\r?\n(?![a-zA-Z0-9._-]+@[a-zA-Z0-9._-]+\.[a-zA-Z0-9_-]|Invoice for\b).*)*\r?\n([a-zA-Z0-9._-]+@[a-zA-Z0-9._-]+\.[a-zA-Z0-9_-]+)

Regex演示