c# - 使用正则表达式多次查找精确长度匹配

Question

我需要一个正则表达式来连续查找正好 8 个数字的组。我得到的最接近的是:

 [0-9]{8}

但这并不是我所需要的。如果我有一个 9 长的数字，它将匹配前 8 个，但如果它长于或短于 8，我希望它忽略它。

这里有些例子

1234567890 <- no match, it's longer than 8
12345678 <- match: "12345678"
1234567809876543 <- match 1: "12345678", match 2: "09876543" (two groups of 8)
,,111-11-1234,12345678, <- match: "12345678"

总而言之，对于每组正好 8 个数字进行匹配。

我正在处理 OCR(光学字符识别)的一些结果，我必须处理结果的缺点，以便我的输入可以像上面的示例一样变化。

以下是一些用例数据: http://pastebin.com/uijF9K9n

Answer 1

您可以在 .NET 中使用以下正则表达式:

(?<=^|\D|(?:\d{8})+)\d{8}(?=$|\D|(?:\d{8})+)

见 regex demo

它基于可变宽度的lookbehind 和lookahead。

正则表达式分解:

(?<=^|\D|(?:\d{8})+) - 仅当在字符串开头(^)，或前面不是数字(\D)或1个或多个8位数字序列((?:\d{8})+)...

\d{8} - 匹配 8 位数字，后跟...

(?=$|\D|(?:\d{8})+) - 字符串结尾 ($) 或不是数字 (\D) 或 1 个或多个 8 位数字序列 ((?:\d{8})+)。

重要 :

如果与另一个答案相比，我对“额外”复杂性投了反对票，请注意 我们的解决方案是不同的 : my regex matches 8-digit number in ID12345678 和 the other one does not 由于单词边界。