在文档中查找信用卡号的正则表达式不起作用

Question

我正在创建一个小型应用程序，它将打开一个Word文档，扫描它以查找信用卡号码（不同的模式），替换文本，保存并关闭文档。

我的代码相当简单：

using System;
using System.IO;
using System.Collections;
using System.Collections.Generic;
using System.Linq;
using System.Text;

using Word = Microsoft.Office.Interop.Word;

namespace ParseFilesAndRemoveRegExp
{
    class Program
    {
        static void Main(string[] args)
        {
            FileManagement m = new FileManagement();
            m.OpenSearchAndReplace();
        }
    }

    class FileManagement
    {
        Word.Application wordapp;

        public FileManagement()
        {
            try
            {
                wordapp = new Word.Application();
            }
            catch(Exception ex)
            {
                if (ex != null)
                {
                    string s = ex.ToString();
                }
            }
        }

        internal void OpenSearchAndReplace()
        {
            object nullobj = System.Reflection.Missing.Value;
            try
            { 
                object filename = @"c:\\temp\\document.docx";
                object replaceAll = Word.WdReplace.wdReplaceAll;

                object matchWildCards = true;
                object readOnly = false;
                object isVisible = false;

                Word.Document doc = wordapp.Documents.Open( ref filename, ref nullobj, ref nullobj, ref nullobj, ref nullobj, ref nullobj, ref nullobj, 
                                                            ref nullobj, ref nullobj, ref nullobj, ref nullobj,
                                                            ref nullobj, ref nullobj, ref nullobj, ref nullobj, ref nullobj);
                doc.Activate();
                wordapp.Selection.Find.ClearFormatting();

                //wordapp.Selection.Find.Text = "[0-9]{16}";
                wordapp.Selection.Find.Text = "\b(?:[0-9][ -]*?){13,16}\b";
                wordapp.Selection.Find.Replacement.ClearFormatting();
                wordapp.Selection.Find.Replacement.Text = "---Cardnumber automatically removed---";

                wordapp.Selection.Find.Execute(ref nullobj, ref nullobj, ref nullobj, ref matchWildCards,
                                    ref nullobj, ref nullobj, ref nullobj, ref nullobj, ref nullobj, ref nullobj,
                                    ref replaceAll, ref nullobj, ref nullobj, ref nullobj, ref nullobj);
                doc.Save();
            }
            catch(Exception ex)
            {
                string s = ex.ToString();
                if( wordapp != null )
                {
                    //wordapp.Documents.Close( ref nullobj, ref nullobj, ref nullobj );
                    wordapp.Quit( ref nullobj, ref nullobj, ref nullobj );
                }
            }
        }
    }
}

但是 - 运行时出现异常：“System.Runtime.InteropServices.COMException (0x800A15B8)：查找内容文本包含无效的模式匹配表达式”。

我认为这可能与我发送到Word的字符有关，所以我之前将\d与[0-9]交换。但没有变化。如果我使用 [0-9]{16} 运行，它会将 1234567891012345 替换为我要使用的字符串。

有人可以帮我吗？我是否必须使用许多不同的正则表达式进行搜索才能管理文档，或者可以使用一个简单的正则表达式（例如我已有的正则表达式）来完成此操作吗？

Answer 1

尝试使用 \\b 而不是 \b。否则，字符串解析器将尝试将 ascii 代码 007（bell）放入字符串中，并且您将不会获得匹配。

Answer 2

您是否尝试过转义？：

wordapp.Selection.Find.Text = @"\b(?:[0-9][ -]*?){13,16}\b"; 

如果这不起作用，您需要从一个简单的正则表达式（或者实际上只是一个纯文本单词）开始，验证它是否有效，然后分阶段构建正则表达式。

Answer 3

以非常简单的方式做到这一点给了我一些有效的东西：

for (int i = 0; i < 3; ++i)
            { 
                if( i == 0 )
                    wordapp.Selection.Find.Text = "[0-9]{16}";
                else if( i == 1 )
                    wordapp.Selection.Find.Text = "[0-9]{4}-[0-9]{4}-[0-9]{4}-[0-9]{4}";
                else if( i == 2 )
                    wordapp.Selection.Find.Text = "[0-9]{4} [0-9]{4} [0-9]{4} [0-9]{4}";

                wordapp.Selection.Find.Execute( ref nullobj, ref nullobj, ref nullobj, ref matchWildCards,
                                                ref nullobj, ref nullobj, ref nullobj, ref nullobj, ref nullobj, ref nullobj,
                                                ref replaceAll, ref nullobj, ref nullobj, ref nullobj, ref nullobj);
            }

这不是一个非常好的设置，但是嘿 - 它有效。删除了 XXXXXXXXXXXXXXXX、XXXX XXXX XXXX XXXX 和 XXXX-XXXX-XXXX-XXXX 等号码。如果需要的话我会添加其他的。

Answer 4

我的猜测是 Word 有自己的正则表达式风格。您是否尝试过在 Word 中打开文档并在“查找和替换”对话框中使用该正则表达式？

实际上，根据http://www.regexinference。 com/documentation/Microsoft-Word-Wildcards-as-Regular-Expressions.html，Word 不支持非捕获括号，因此您必须想出不同的解决方案。

Answer 5

迄今为止，我们有以下最佳解决方案，超越了单行。
这不是ms word，但你肯定能得到你想要的。

private const string _creditCardPatternMatchingExpression = @"(?m:-[*]\w{2}\d{15,16})|(?m:CC\w{2}\d{15,16})|(?m:\d{15,16})|(\d{4}-\d{4}-\d{4}-\d{4})|(\d{4}-\d{6}-\d{5})";

        public static string CleanCreditCardData(this String contentThatMayHaveCreditCardData)
    {
        string initiallyCleanedUpData = Regex.Replace(contentThatMayHaveCreditCardData, _creditCardPatternMatchingExpression, "CCXXXXXXXXXXXXXX");
        string completeSpaceEnterCleanedUpVersion = initiallyCleanedUpData.ToLower().Replace("\r\n", "").Replace("\n", "").Replace(" ", "").Replace("-", "").Replace("<br>", "").Replace("<br />", "").Replace("<br/>", "").Replace(" ", "");
        if (Regex.IsMatch(completeSpaceEnterCleanedUpVersion,_creditCardPatternMatchingExpression))
            return Regex.Replace(completeSpaceEnterCleanedUpVersion, _creditCardPatternMatchingExpression, "CCXXXXXXXXXXXXXX");

        return initiallyCleanedUpData;
    }