如何使用Regex提取三组字母数字后、数字前缀内容前的目标文本？

需求概述 #

从给定的条目文本中提取指定目标内容：

• 每个条目开头为三组空格分隔的无意义字母数字组合
• 目标文本位于这三组内容之后，且后续紧跟以数字开头的日期格式内容，目标文本可包含空格和数字
• 最终需要得到仅含目标文本的列表

正则实现方案 #

适配带<strong>标签的文本 #

针对你提供的带HTML标签的原始文本，使用以下正则可直接捕获标签内的目标内容：

^\S+\s+\S+\s+\S+\s+<strong>(.+?)<\/strong>\s+\d+\/

逻辑拆解

• ^\S+\s+：匹配开头第一组非空白字符（字母数字组合）及后续空格，重复三次，跳过开头的三组无意义内容
• <strong>(.+?)<\/strong>：精准匹配<strong>标签，并用非贪婪模式捕获标签内的目标文本
• \s+\d+\/：匹配标签后的空格+数字+斜杠（对应日期格式的起始部分），以此确定目标文本的结束边界

适配无HTML标签的文本 #

如果文本不含<strong>标签，可使用简化版正则：

^\S+\s+\S+\s+\S+\s+(.+?)\s+\d+\/

提取效果示例 #

原始条目：

FTBVHT HJMOW W0001 BIANCO NATURALE 06 / 29 GENNAIO - 31 3 1020.00
F6M0DT HLM7L F0758 ROSA 2 06 / 29 GENNAIO - 31 3 3060.00
FXX14T JFMAL N0000 NERO 06 / 29 GENNAIO - 31 4 1520.00

提取后得到：

• BIANCO NATURALE
• ROSA 2
• NERO

内容的提问来源于stack exchange，提问作者Herojos