regex - 在 VBA 中使用正则表达式拆分块

Question

我有数据，我需要拆分每个 block ，以便将每个 block 存储在单独的行中。整个文本如下所示:

م
مطروح
الحمام
school
الصف
:
الصف الأول
 1
 458316219 
 30709101600371 
ابراهيم وليد ابراهيم ابوالحمد
منافذ فورى
 2
 458361688 
 30702263300318 
احمد ابوالريش فرج عبدالله
منافذ فورى
 3
 458312720 
 30703143300418 
اسلام فتحى محمد ناجى
منافذ فورى
 4
 458790904 
 30606101802299 
اسلام نصار حسين نصار حسين عبد الونيس
منافذ فورى
 5
 458312908 
 30612013300259 
ايمن راضى صالح سلومه
منافذ فورى
 6
 458884564 
 30802203300186 
بسمه محمد ابراهيم ظدم
منافذ فورى
 7
 477625786 
 30708263300235 
بشار نصر الله مصوف السايب
منافذ فورى

我使用了 https://regex101.com/，我可以像这样定义每个 block 的开始

\d{1,3}\n

这突出了每个 block 的开始

如何拆分和分隔每个 block >>并且每个 block 必须在一行中？

这是整个页面的 HTML: https://pastebin.com/nu0dLvch

这是完整数据的链接: https://pastebin.com/dWcu97Wt

我会突出显示所需的部分(这些是要匹配的组)。从...开始...



以...结尾



总共有22个数据 block (组)。

查看@Wiktor Stribiżew 在评论中提供的正则表达式:
https://regex101.com/r/dmCNuH/1

match 11 是第一个真正需要的数据(匹配组)，但会截断最后一行。



在我从 Wiktor 得到了惊人的模式之后，我试图得到所有的匹配项

Sub Test()
    Dim a(), s As String, i As Long, j As Long
        Dim bot As New ChromeDriver
    With bot
        .AddArgument "--headless"
        .Get "file:///C:\Sample.html"
        s = .FindElementByCss("table[id='all']").Text

    End With
        a = GetMatches(s, "^\s*\d{1,3}(?:(?:\r\n|[\r\n])(?!\s*\d{1,3}\n).*)+")
        For i = LBound(a) To UBound(a)
            Debug.Print a(i)
        Next i
End Sub

Function GetMatches(ByVal inputString As String, ByVal sPattern As String) As Variant
    Dim arrMatches(), matches As Object, iMatch As Object, s As String, i As Long
    With CreateObject("VBScript.RegExp")
        .Global = True
        .MultiLine = True
        .IgnoreCase = True
        .Pattern = sPattern
        If .Test(inputString) Then
            Set matches = .Execute(inputString)
            ReDim arrMatches(0 To matches.Count - 1)
            For Each iMatch In matches
                arrMatches(i) = iMatch.SubMatches.Item(0)
                i = i + 1
            Next iMatch
        Else
            ReDim arrMatches(0)
            arrMatches(0) = vbNullString
        End If
    End With
    GetMatches = arrMatches
End Function

但这对我不起作用并引发错误。

Answer 1

您可以使用

^\s*\d{1,3}(?:\n(?!\s*\d{1,3}\n).*){4}

见 regex demo .与 .Global = True 一起使用和 .MultiLine = True选项，无需设置 .IgnoreCase至 True .

注意 : 自 \r ，回车，在 Excel 单元格值中用于定义换行符，您可能需要全部替换 \n带有 \r 的模式中的字符.

正则表达式匹配可能缩进或不缩进并包含 1、2 或 3 位数字的行，然后抓取与初始模式不匹配的接下来的四行。

更多详情

^ - 行首

\s* - 0 个或多个空格字符

\d{1,3} - 一到三位数

(?:\n(?!\s*\d{1,3}\n).*){4} - 一个 non-capturing group匹配四个 ({4}) 的出现

\n - 换行符 ( \n ) 是...

(?!\s*\d{1,3}\n) - ( negative lookahead ) 没有立即跟在后面:

\s* - 0 个或多个空格

\d{1,3} - 一位、两位或三位数字

\n - 换行符

.* - 尽可能多的除换行符以外的任何 0 个或多个字符。

提取组的详细信息 , 你可以使用

^[^\S\n]*(\d{1,3})\n\s*(\d{6,})[^\S\n]*\n\s*(\d{14})[^\S\n]*\n(.+)\n(.+)

见 this regex demo

^ - 字符串开头

[^\S\n]* - 除换行符

之外的 0 个或多个空白字符

(\d{1,3}) - 一到三位数

\n - 换行符

\s* - 任何 0+ 个空格

(\d{6,}) - 第 2 组:

[^\S\n]*\n\s* - 除了换行符、换行符和任何 0 个或多个空格

之外的 0 个或多个空格字符

(\d{14}) - 第 3 组:十四位数

[^\S\n]*\n - 除换行符和换行符之外的 0 个或多个空白字符

(.+) - 第 4 组:除换行符以外的任何一个或多个字符，尽可能多

\n - 换行符

(.+) - 第 5 组:除换行符以外的任何一个或多个字符，尽可能多