Regex 如何改进正则表达式中字符与数字的分离

我对正则表达式有点生疏，有以下问题。下面是我想分开的文本

INVOICE # 2599
INVOICE 0185570
INVOICE: 1739
INVOICE- 45441
INVOICE:# 1234
INVOICE :# 5678

我需要做的是找到两个完全匹配的。例如，我想得到以下信息：

[INVOICE#, 2599]
[INVOICE, 0185570]
[INVOICE:, 1739]
[INVOICE-, 45441]
[INVOICE:#, 45441]
[INVOICE:#, 5678]

到目前为止，我遇到了这些字符的麻烦。

：

以及任何其他可以将发票和#分开的字符

---

数字很简单。我所需要的就是这个

（\d+）

，但是如何获得第一部分？我知道我需要这个

（\w+）

，但是这些非单词字符会让我感到厌烦。我可以按正确的方向推吗？

这可以解决问题：

删除（“”）。扫描（/\d+\d+/）

输出：

[
    [0] [
        [0] "INVOICE#",
        [1] "2599"
    ],
    [1] [
        [0] "INVOICE",
        [1] "0185570"
    ],
    [2] [
        [0] "INVOICE:",
        [1] "1739"
    ],
    [3] [
        [0] "INVOICE-",
        [1] "45441"
    ],
    [4] [
        [0] "INVOICE:#",
        [1] "1234"
    ],
    [5] [
        [0] "INVOICE:#",
        [1] "5678"
    ]
]

---

您可以使用

\D

匹配非数字。捕获第一个组中的单词和非数字以及第二个组中的数字，然后删除第一个捕获组中的空格。下面是一个可能的外观示例：

text.scan(/(\w+\D+)(\d+)/).each { |group_1,| group_1.delete!(' ') }
#=> [["INVOICE#", "2599"], ["INVOICE", "0185570"], ["INVOICE:", "1739"], ["INVOICE-", "45441"], ["INVOICE:#", "1234"], ["INVOICE:#", "5678"]]

您也可以使用或代替。将

\D

替换为

\W

（非单词字符）也可以

请记住，

\w

等于

[A-Za-z0-9\

，也可以匹配数字和下划线

text =<<~END
INVOICE # 2599
INVOICE 0185570
INVOICE: 1739
INVOICE- 45441
INVOICE:# 1234
INVOICE :# 5678
END

gsub

使用的正则表达式为“匹配一个或多个不后跟数字的空格”，

（？！\d）

为负前瞻。这与

s.gsub（/\s+（？=\D）/，“”）

，“匹配一个或多个空格，后跟一个非数字”略有不同，因为前者会删除每行末尾的换行符，而后者则不会

步骤如下：

enum1 = text.each_line
  #=> #<Enumerator: "INVOICE # 2599\nINVOICE 0185570\nINVOICE: 1739\n
  #     INVOICE- 45441\nINVOICE:# 1234\nINVOICE :#5678\n":each_line>

等等

另一种方法是在字符串被分成几行之前删除后面没有数字的空格：

text.gsub(/\s+(?!\d)/, '').each_line.map(&:split)
 #=> [["INVOICE#", "2599"], ["INVOICE", "0185570"], ["INVOICE:", "1739"],
 #    ["INVOICE-", "45441"], ["INVOICE:#", "1234"], ["INVOICE:#", "5678"]]

---

谢谢你的评论，但这并不能解决我的问题。我需要

#

和

：

字符以及发票。没错，它更优雅。谢谢@CarySwovelandI我明白你的意思。现在将进行编辑。谢谢。您希望获取的数组中的元素

[INVOICE:#，45441]

应该是

[INVOICE:#，1234]

，因为您选择了一个答案，该答案作为数组的一部分返回。我绞尽脑汁想找出产生这种现象的规则。

enum1 = text.each_line
  #=> #<Enumerator: "INVOICE # 2599\nINVOICE 0185570\nINVOICE: 1739\n
  #     INVOICE- 45441\nINVOICE:# 1234\nINVOICE :#5678\n":each_line>

enum2 = enum1.map
  #=> #<Enumerator: #<Enumerator: "INVOICE # 2599\nINVOICE 0185570\nINVOICE: 1739\n
  #     INVOICE- 45441\nINVOICE:# 1234\nINVOICE :# 5678\n":each_line>:map> 

s = enum2.next
  #=> "INVOICE # 2599\n" 
t = s.gsub(/\s+(?!\d)/,'')
  #=> "INVOICE# 2599" 
t.split 
  #=> ["INVOICE#", "2599"] 

s = enum2.next
  #=> "INVOICE 0185570\n" 
t = s.gsub(/\s+(?!\d)/,'')
  #=> "INVOICE 0185570" 
t.split 
  #=> ["INVOICE", "0185570"] 

text.gsub(/\s+(?!\d)/, '').each_line.map(&:split)
 #=> [["INVOICE#", "2599"], ["INVOICE", "0185570"], ["INVOICE:", "1739"],
 #    ["INVOICE-", "45441"], ["INVOICE:#", "1234"], ["INVOICE:#", "5678"]]