如何在C# .NET 7环境下提取文本中的发票日期？

原代码存在的问题 #

你的正则表达式有几个关键问题导致匹配失败：

• 强制要求日、月必须是两位数字（\d\d），但需求允许省略前导零（比如1.05.2023这种格式）
• 使用(.|\n)匹配任意字符效率低，且未做非贪婪匹配，容易过度匹配到无关内容
• 没有通过分组精准提取日期，仅匹配整行内容，后续无法直接获取目标日期
• 正则结构不合理，^.*和.*\n结合Multiline模式会匹配整行，但没聚焦在Date关键字后的日期区域

正确解决方案 #

我们需要编写一个更精准的正则，满足：

• 不区分大小写匹配Date/date，允许后面带冒号
• 支持日期和关键字在同一行或下一行
• 匹配带可选前导零的日、月格式（d.m.yyyy/dd.mm.yyyy等）
• 精准捕获日期内容

最终C#代码示例

var text = @"    aaaa vvvv: 202305001
  XXXXX YYYYY xxx
  Inv. date:  1.05.2023
  Bula 14a
  Due:  10.05.2023
";

// 正则说明：
// (?i) 开启不区分大小写模式
// Date:? 匹配Date/date，后面可选冒号
// [\s\S]*? 非贪婪匹配任意空白/非空白字符（支持换行）
// (\d{1,2}\.\d{1,2}\.\d{4}) 捕获日期：1-2位日.1-2位月.4位年
var dateRegex = new Regex(@"(?i)Date:?[\s\S]*?(\d{1,2}\.\d{1,2}\.\d{4})", RegexOptions.Singleline);

var match = dateRegex.Match(text);
if (match.Success)
{
    string invoiceDate = match.Groups[1].Value;
    // 这里可以处理提取到的日期，比如转换为DateTime类型
    Console.WriteLine($"提取到的发票日期：{invoiceDate}");
}
else
{
    throw new Exception("未找到符合格式的发票日期");
}

正则表达式详解

• (?i)：全局不区分大小写，匹配Date/date/DATE等任意大小写组合
• Date:?：匹配Date或Date:，?表示冒号是可选的
• [\s\S]*?：非贪婪匹配任意字符（包括换行），确保只匹配到第一个日期就停止，避免捕获到后续的Due日期
• (\d{1,2}\.\d{1,2}\.\d{4})：分组捕获日期，\d{1,2}匹配1-2位数字（支持带前导零或不带），\.匹配点分隔符，\d{4}匹配4位年份

额外优化：避免匹配非发票日期 #

如果文本中有其他带Date的字段（比如Due Date），可以调整正则前缀，限定只匹配发票相关的日期关键字：

var dateRegex = new Regex(@"(?i)Inv\.?\s*Date:?[\s\S]*?(\d{1,2}\.\d{1,2}\.\d{4})", RegexOptions.Singleline);

内容的提问来源于stack exchange，提问作者Andrus