正则表达式仅当前面没有 D 时才按任何顺序捕获行 A、B 或 C

Question

我有一个文件，内容如下：

SUBJECT COMPANY:    
COMPANY DATA:   
COMPANY CONFORMED NAME:         MISCELLANEOUS SUBJECT CORP
CENTRAL INDEX KEY:          0000000000
STANDARD INDUSTRIAL CLASSIFICATION:  []
IRS NUMBER:             123456789
STATE OF INCORPORATION:         DE
FISCAL YEAR END:            1231

然后在文件后面，它有这样的东西：

<REPORTING-OWNER>
COMPANY DATA:   
COMPANY CONFORMED NAME:         MISCELLANEOUS OWNER CORP
CENTRAL INDEX KEY:          0101010101
STANDARD INDUSTRIAL CLASSIFICATION:  []

我需要做的是捕获公司符合要求的名称、中央索引键、IRS 编号、财政年度结束或我要提取的任何内容，但仅限于主题公司部分，而不是报告所有者部分。这些行可以按任何顺序排列，也可以不存在，但如果它们存在，我想捕获它们的值。

我尝试构建的正则表达式如下所示：

(?:COMPANY CONFORMED NAME:s*(?'conformed_name'(?!(?:A|AN|THE)b)[A-Z-/\=|&!#$(){}:;,@`. ]+)|CENTRAL INDEX KEY:s*(?'cik'd{10})|IRS NUMBER:s*(?'IRS_number'w{2}-?w{7,8})|FISCAL YEAR END:s*(?'fiscal_year_end'(?:0[1-9]|1[0-2])(?:0[1-9]|[1-2][0-9]|3[0-1])))

预期结果如下：

conformed_name = "MISCELLANEOUS SUBJECT CORP"
CIK = "000000000"
IRS_number = "123456789"
fiscal_year_end = "1231"

任何风格的正则表达式都是可以接受的，因为我会适应最适合该场景的任何内容。感谢您阅读我的困境以及您可以提供的任何指导。

Answer 1

我最终自己弄清楚了。在这里尝试一下。

/SUBJECT COMPANY:s+COMPANY DATA:(?:s+(?:(?:COMPANY CONFORMED NAME:s+(?'conformed_name'[^n]+))|(?:CENTRAL INDEX KEY:s+(?'CIK'd{10}))|(?:STANDARD INDUSTRIAL CLASSIFICATION:s+(?'assigned_SIC'[^n]+))|(?:IRS NUMBER:s+?(?'IRS_number'w{2}-?w{7,8}))|(?:STATE OF INCORPORATION:s+(?'state_of_incorporation'w{2}))|(?:FISCAL YEAR END:s+(?'fiscal_year_end'(?:0[1-9]|1[0-2])(?:0[1-9]|[1-2][0-9]|3[0-1])))n))+/s

Answer 2

要仅匹配公司部分，并且仅在前面加上"主题公司"时，请使用后面的外观：

(?<=SUBJECT COMPANY:tn     n     )(?:COMPANY CONFORMED NAME:s*(?'conformed_name'(?!(?:A|AN|THE)b)[A-Z-/\=|&!#$(){}:;,@`. ]+)|CENTRAL INDEX KEY:s*(?'cik'd{10})|IRS NUMBER:s*(?'IRS_number'w{2}-?w{7,8})|FISCAL YEAR END:s*(?'fiscal_year_end'(?:0[1-9]|1[0-2])(?:0[1-9]|[1-2][0-9]|3[0-1])))