JScript 正则表达式 - 提取包含 1 次或多次出现的另一个单词的 2 个单词之间的子字符串

Question

我有一个从大型 PDF 文件中提取的文本。我只对本文的一部分感兴趣。我只需要存在于 2 个test 子字符串之间的部分，并且它有 1 次或多次出现特定单词 XX12QW。在这 2 个test 子字符串/单词中，第一个可以包含在匹配中，如下面所需的输出所示

输入字符串：

test 
abc def 
test 123 
test pqr 
XX12QW
jkl XX12QW hjas 
12asd23 test bxs

期望的输出：

test pqr 
XX12QW
jkl XX12QW hjas 
12asd23 

注意事项：

• 子字符串test 多次出现。
• 我只需要 2 个子字符串/单词之间的部分 - test，其中包含 1 次或多次出现的单词 XX12QW。这个词 XX12QW 根本不会出现在词 - test 的任何其他 对之间。也就是说，永远不会有这样的情况：test abc XX12QW test isadkj XX12QW test an test
• 如果XX12QW 出现在test 和$(End of string/file) 之间，则需要一个额外的测试用例：
  • 输入：test absjh123 sjnc test jhsd32 test aabb XX12QW asdj XX12QW sdfk
  • 所需输出：test aabb XX12QW asdj XX12QW sdfk

我在这个问题上卡了很长时间，真的需要其他人来看看。

正则表达式：test[\s\S]*?XX12QW[\s\S]*?(?=test)

非常感谢任何帮助。

Answer 1

纯正则表达式解决方案是可能的，但最好使用test 拆分并从数组中获取包含XX12QW 的项目并在开头附加test：

var s = "test \nabc def \ntest 123 \ntest pqr \nXX12QW\njkl XX12QW hjas \n12asd23 test bxs";
var res = s.split('test').slice(1)   // Split with 'test' and remove 1st item
       .filter(function(x) {return ~x.indexOf("XX12QW");}) // Keep those with XX12QW
       .map(function(y) {return ("test"+y).trim();});  // Append test back and trim
console.log(res);

单个正则表达式解决方案可能看起来像

/test(?:(?!test)[^])*?XX12QW[^]*?(?=\s*test)/

见regex demo

详情

• test - 文字 test 子字符串
• (?:(?!test)[^])*? - 一个 tempered greedy token 匹配任何字符，0+ 字符，尽可能少，除了那些以 test 字符序列开头的字符
• XX12QW - 文字 XX12QW 子字符串
• [^]*? - 任何 0+ 个字符，尽可能少，最多（不包括...）
• (?=\s*test) - 0+ 个空格，后跟 test 子字符串。