采购单Regex提取优化：行项目单条匹配及数量统一捕获

云上老周

2026-7-20

采购单数据提取正则优化方案

优化后的正则表达式

string pattern = @"
# 匹配头部：Seq No信息
Seq No:\s+(\d{4})\s+(\d+)
|
# 匹配头部：采购单号
Purchase Order\n(\d+)
|
# 匹配头部：文档编号（如xxxx-xxx-Dxxxx格式）
(\d{4}-\d{3}-D\d{3,4})
|
# 匹配头部：截止日期+请求方
Due:\s+(\d{2}/\d{2}/\d{4})\s+Requester:\s+([A-Z]{3})
|
# 匹配头部：单独请求方信息
Requester:\s+([A-Z]{3})
|
# 匹配行项目格式1：带尺寸+数量+EA+Drawing
\d\.\d{2}\s+\d\.\d{2}\s+(\S+)\s+EA\s+(.*?)\s+Drawing
|
# 匹配行项目格式2：EA开头+数量+Drawing
EA\s+(\S+)\s+(.*?)\s+Drawing
";

核心优化说明

1. 解决行项目拆分问题

原正则通过多|分割零散匹配片段，导致同一行项目的不同字段被拆分成独立匹配结果。优化后将完整行项目结构作为单个匹配分支，确保每一行项目对应一个独立的匹配结果，直接对应Excel的一行数据。

2. 统一数量捕获逻辑

针对采购单中两种数量格式：

格式1：EA 100 Drawing（数量紧跟EA）
格式2：x.xx x.xx 50 EA Drawing（数量在EA之前）

优化后通过两个行项目分支，将数量统一指向可捕获的分组（第6或第7分组）。如果希望更直观，可改用命名分组版本：

string pattern = @"
Seq No:\s+(?<SeqPrefix>\d{4})\s+(?<SeqNum>\d+)
|
Purchase Order\n(?<PO>\d+)
|
(?<DocNum>\d{4}-\d{3}-D\d{3,4})
|
Due:\s+(?<DueDate>\d{2}/\d{2}/\d{4})\s+Requester:\s+(?<Requester>[A-Z]{3})
|
Requester:\s+(?<Requester>[A-Z]{3})
|
\d\.\d{2}\s+\d\.\d{2}\s+(?<Qty>\S+)\s+EA\s+(?<Drawing>.*?)\s+Drawing
|
EA\s+(?<Qty>\S+)\s+(?<Drawing>.*?)\s+Drawing
";

使用命名分组时，可直接通过match.Groups["Qty"].Value提取数量，无需判断分组索引，代码可读性更高。