Regex，如何找到重复的随机数组？

Question

我目前正在从PDF中解析数据，我想以简单的格式获取名称和数量：[name] [量]

 NAME LAST
7 494 25 7 494 25 199 44
 NAME LAST
4 488 00 4 488 00 109 07
 NAME MIDDLE LAST
7 854 00 7 854 00 298 25
 NAME LAST
494 23 494 23 12 01
 NAME MIDDLE LAST
4 301 56 4 301 56 112 61
 NAME M LAST
13 359 25 13 359 25 130 54

此数据表示以下内容：
[名称] [M？] [最后]
[总工资] [Pit Wages] [扣留坑]
名称最后$ 7,494.25 $ 7,494.25 $ 199.44
名称最后$ 4,488.00 $ 4,488.00 $ 109.07
名称中间$ 7,854.00 $ 7,854.00 $ 298.25
名称最后$ 494.23 $ 494.23 $ 12.01
名称中间$ 4,301.56 $ 4,301.56 $ 112.61
名称M最后$ 13,359.25 $ 13,359.25 $ 130.54

我希望将重复的数字组检测到这一点，以便对此进行解析：
名称最后$ 7,494.25
名称最后$ 4,488.00
名称中间$ 7,854.00
名称最后$ 494.23
名称中间$ 4,301.56
名称M最后$ 13,359.25

希望这是有道理的。谢谢

Answer 1

假设您的组织中没有人赚取超过100万美元以上的$ 1，则此正则是您想要的：

 *([a-z][a-z ]+)\R+((\d+)(?: (\d+))? (\d+)) (?=\2).*

来寻找

• 一些空格
• 它可以使用[AZ] [AZ] [AZ]+< 名称（简单地） /code>（在第1组中捕获）
• newline字符（\ r+）
• 2或3组由空格分隔的数字（（\ d+）（？：（\ d+））？（\ \ d+）？ d+））（在第2组中总体捕获，第3、4和5组中捕获的单个数字组）
• ，然后断言第2组重复（？= \ 2）< /code>
• 字符将字符串的其余部分与行结束（可能不需要，取决于您的应用程序）（。*），

您可以将其替换为以下

$1 \$3$4.$5

以获取示例的以下输出数据：

NAME LAST $7494.25
NAME LAST $4488.00
NAME MIDDLE LAST $7854.00
NAME LAST $494.23
NAME MIDDLE LAST $4301.56
NAME M LAST $13359.25

regex101上的演示

如果您使用的是javascript，则需要一些较小的更改。在正则时，将\ r替换为[\ r \ n]，因为JavaScript无法识别\ r。在替换中，用\ $ $$替换。

在REGEX 101上的演示

通过检查第4组是否是匹配的一部分，在数千和数百之间：

$1 \$3${4:+,}$4.$5

在这种情况下，输出为：

NAME LAST $7,494.25
NAME LAST $4,488.00
NAME MIDDLE LAST $7,854.00
NAME LAST $494.23
NAME MIDDLE LAST $4,301.56
NAME M LAST $13,359.25

演示