用于提取 Java 中不区分大小写的子字符串的正则表达式

Question

我正在尝试从段落中提取GRANT编号。授权号通常是 aplhanumeric，带有大写字母，中间可以有-，但它们都没有任何空格。

以下是一些赠款示例：

• W9124A-18-0001
• 007-FY2018
• W81XWH18PRMRPTTDA
• 07-544

现在我甚至不确定一个段落是否会有授权，所以目前我依靠grant这个词出现在授权号之前。

---

示例：

This research was supported by NIH/NHLBI Grant W9124A-18-0001(PI, Michael Brown)

我尝试使用以下正则表达式

(?i)grant [A-Z0-9-]*

但它并不完美，并且在不应该匹配时Grant w9124A-18-0001匹配(小写w(。我该如何改进它？

Answer 1

您可以使用表达式：

(?i)(?<=Grants)(?-i)[A-Z0-9-]+b

• (?i)不区分大小写。
• (?<=Grants)Grant后跟空格的正面回望。
• [A-Z0-9-]+匹配数字，字母字符和破折号-。
• (?-i)关闭不区分大小写。
• b字界。

您可以在这里现场尝试。

通过以下方式打开区分大小写，而不是禁用不区分大小写：

(?i)(?<=Grants)(?c)[A-Z0-9-]+b

仅受 Tcl 支持。

Answer 2

您需要在 Grant 之后关闭不区分大小写。

(?i)grant (?-i)[A-Z0-9-]*

Answer 3

从根本上说，你没有考虑案例。 您的正则表达式仅查找"授予"，并且在"授予"上会失败。 更糟糕的是，您的授权标识符也有混合大小写，您的正则表达式也没有检查这一点。

解决此问题的最简单方法是确保您的正则表达式实际上支持这些值。 你在这里不需要任何太花哨的东西;只需执行简单的匹配即可。

[Gg]rant [A-Za-z0-9-]+

更高级的匹配 - 例如相对于授权 ID 的连字符删除部分的特定子组匹配 - 留给读者作为练习。