匹配不以日期开头的行

Question

我从 pdf 文件中提取了一些文本，我正在寻找一些关键字来匹配职位，我尝试使用许多正则表达式来仅获取不以日期开头的行（任何日期格式）但我必须获取以任何其他数字或单词开头的其他行。

我希望在这里找到一个聪明的想法。 最好的

我已经尝试了这两个正则表达式来找到 ingenieur 关键字但没有任何成功：

    ((?m)^(?![0-9])\\s*\\b"+ sTofind +"\\b)

还有这个：

    ((?m)[^(?!(0-9))][\\s{2,4}]\\b"+ sTofind +"\\b.*)

我使用的文本测试是这个（> 字符不是文本的一部分）：

etudiant -: ingenieur etudes et developpement
http://www.doyoubuzz.com/profilen
experiences  
ingenieur
2018-2014      ingenieur 
331    ingenieur


29 rue de la terrasse    Ingenieur Centrale Lyon / Supélec 
93160 NOISY LE GRAND    ingenieur  
09 66 11 10 93       Expertise en instrumentation industrielle, 
06 44 25 90 09     automatisation ingenieur & marketing opérationnel 
email.email@wanadoo.fr   Bilingue anglais  ingenieur

我希望找到突出显示的文本：

etudiant -: <i>ingenieur etudes et developpement</i>
http://www.doyoubuzz.com/profilen
<i>experiences</i>
<i>ingenieur</i>
2018-2014      ingenieur 
331    <i>ingenieur</i>


29 rue de la terrasse    <i>Ingenieur Centrale Lyon / Supélec </i>
93160 NOISY LE GRAND    <i>ingenieur</i>  
09 66 11 10 93       Expertise en instrumentation industrielle, 
06 44 25 90 09     automatisation <i>ingenieur & marketing opérationnel </i>
email.email@wanadoo.fr   Bilingue anglais  <i>ingenieur</i>

Answer 1

你可能会使用：

(?mi)^((?![0-9]+-[0-9]+).*?)(\bingenieur\b.*)

关于模式

• (?mi) 多行和不区分大小写的标志
• ^ 字符串开头
• (抓包组
  • (?! 负前瞻，断言右边立即不是
    • [0-9]+-[0-9]+ 匹配 1+ 位数字、连字符和 1+ 位数字
  • ).*? 关闭负前瞻并匹配除换行符以外的任何字符非贪婪
• )关闭捕获组
• (\bingenieur\b.*) 捕获在单词边界之间匹配工程师直到字符串末尾的组

您可以在代码中使用启用多行和不区分大小写的标志，例如：

String sTofind = "ingenieur";
String regex = "^((?!>[0-9]+-[0-9]+).*?)(\\b"+ sTofind + "\\b.*)";
String string = "...";
Pattern pattern = Pattern.compile(regex, Pattern.MULTILINE | Pattern.CASE_INSENSITIVE);
Matcher matcher = pattern.matcher(string);
String result = matcher.replaceAll(subst);

Regex demo | Java demo

如果您还想突出显示，也可以将工程师替换为 experiences。

并替换为 2 个捕获组，您可以在其中突出显示第二组：

$1<i>$2</i>