使用regex提取由分隔符分隔的部分文本。

Question

我有如下示例输入文件，列Id、名称、开始日期、结束日期、年龄、描述和位置：

220;John;23/11/2008;22/12/2008;28;Working as a professor in University;Hyderabad
221;Paul;30;23/11/2008;22/12/2008;He is a software engineer at MNC;Bangalore
222;Emma;23/11/2008;22/12/200825;Working as a mechanical engineer;Chennai

它包含30行数据。我的要求是只从上面的文本文件中提取描述。

我的输出应该包含

在大学当教授 他是跨国公司的软件工程师。 作为机械工程师工作

我需要找到一个正则表达式来提取描述，并且尝试了很多种，但是我还没有找到解决方案。我该怎么做呢？

Answer 1

您可以使用这个regex：

[^;]+(?=;[^;]*$)

[^;]匹配除;以外的任何字符。

+是一个量词，它与前面的字符或组一到多次匹配。

*是一个量词，它与前面的字符或组零多次匹配。

$是字符串的末尾。

(?=pattern)是一种前瞻性，它检查是否预先出现特定的模式。

Answer 2

/^(?:[^;]+;){3}([^;]+)/将在分号之间获得第四组。

尽管如我的注释中所述，您应该使用分号拆分字符串，并获取拆分的第四个元素……这就是分隔文件的全部点--您不需要复杂的模式匹配。

使用输入示例在Perl中实现示例：

open(my $IN, "<input.txt") or die $!;

while(<$IN>){
    (my $desc) = $_ =~ /^(?:[^;]+;){3}([^;]+)/;
    print "'$desc'\n";
}
close $IN;

产量：

'Working as a professor in University'
'He is a software engineer at MNC'
'Working as a mechanical engineer'

Answer 3

这应该是可行的：

/^[^\s]+\s+[^\s]+\s+[^\s]+\s+(.+)\s+[^\s]+$/m

或作为 pointed out

/^\S+\s+\S+\s+\S+\s+(.+)\s+\S+$/m

或者用分号：

/^[^;]+;[^;]+;+[^;]+;+(.+);+[^;]+$/m