Javascript 尝试将RegEx与promise返回的文本匹配--获取空字符串

我使用PDF.js从PDF中获取文本，然后用正则表达式解析。

parsetext

函数接受由承诺返回的

text

参数：

 gettext: function(url){
     var self = this;
     var data = url;
     console.log('attempting to get text');
     return pdfjs.getDocument(data).then(function(pdf) {
         var pages = [];
         for (var i = 0; i <= 1; i++) {
             pages.push(i);
         }
         return Promise.all(pages.map(function(pageNumber) {
             return pdf.getPage(pageNumber + 1).then(function(page) {
                 return page.getTextContent().then(function(textContent) {
                     return textContent.items.map(function(item) {
                         return item.str;
                     }).join(' ');
                 });
             });
         })).then(function(pages) {
             return pages.join("\r\n")
         });
     }).then(function(pages){
         self.parsetext(pages);      
     });        
 },

 parsetext: function(text){

     var rx = /Seite((\S+)\s+\S.*?)(?=\s*\2)/;
     var s = text;
     var m = s.match(rx) || ["", ""];
     console.log(m[1] + ' is the matched text');  //   returns '  is the matched text'
 }

此日志记录：

'...SeiteSGP0136.1 3SE7120 3SE7120-1BF00 SGP0137.1 3SE7140 3SE7140-1CD00 SGP0138.1 3SE7150 3SE7150-1BH00 SGP0136.1 is the text that is being returned from the promise'

只是为了证明正则表达式没有被破坏：

---

多亏@async5的建议，我才得以解决这个问题，因为我首先注意到与正则表达式匹配的文本并不是我想象的那样

console.log(JSON.stringify(text));  //   '...Seite                     SGP0136.1...'    

这表明在

Seite

之后插入了额外的空格，这破坏了我的正则表达式

我的解决方案是用空字符串替换三个以上空格的序列：

     var rx = /Seite((\S+)\s+\S.*?)(?=\s*\2)/;
     var s =  text.replace(/\s{3}\s+/g, '');
     var m = s.match(rx) || ["", ""];
     console.log(m[1] + ' is the matched text');

---

@JaromandaX没有。

then（函数（页面）{returnpages.join（“\r\n”）}）返回文本，然后发送到
self.parsetext
？当您尝试硬编码时，您使用的是一个不分组任何内容的regexp。regexp匹配成功，但由于结果仅包含从
m[1]
获得的
undefined
的完整匹配，因为
m
只有一个item@DavidJ.，因为在该正则表达式（即括号）中有一个捕获组：
（（\S+）\S+\S.*）
。该子表达式捕获的部分存储在
m[1]
中。在这种情况下，还有一个
m[2]
，它对应于嵌套组
（\S+）
所匹配的内容。@trincot:我建议您删除它好吗？问题不是异步编程的问题。OP甚至记录/解释说文本正在进入
parsetext
函数。PDF可能包含其他控制字符，请使用
JSON.stringify（text）
记录内容
     var rx = /Seite((\S+)\s+\S.*?)(?=\s*\2)/;
     var s =  text.replace(/\s{3}\s+/g, '');
     var m = s.match(rx) || ["", ""];
     console.log(m[1] + ' is the matched text');