如何编写正则表达式提取PDF中Forma de pago后的60 días F.F内容

问题原因 #

你之前使用的正则\W*(Forma de pago):(\s)\W*仅能匹配到「Forma de pago」字段本身和前后的少量空白/非单词字符，没有设置终止匹配边界，也没有捕获后续目标内容，因此无法完成需求。

可行实现方案 #

正则规则设计 #

我们采用非贪婪匹配实现指定区间内容提取，Java中转义后的正则为：
Forma de pago:\\s*(.*?)\\s*60 días F\\.F

• \\s*适配字段前后可能存在的任意数量空白、换行符
• 非贪婪匹配.*?保证只匹配到第一个「60 días F.F」就终止，不会多匹配后续内容
• 终止符中的.做了转义处理，避免被识别为正则通配符

完整代码实现 #

import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class ExtractPaymentInfo {
    public static void main(String[] args) {
        // 替换为实际从PDF中提取的完整文本
        String pdfExtractedText = "此处填入你从PDF提取的全部文本内容";
        
        // 编译正则，开启DOTALL模式支持跨行匹配，若确认内容无换行可移除该参数
        Pattern pattern = Pattern.compile("Forma de pago:\\s*(.*?)\\s*60 días F\\.F", Pattern.DOTALL);
        Matcher matcher = pattern.matcher(pdfExtractedText);
        
        if (matcher.find()) {
            // 提取两个字段之间的内容
            String targetContent = matcher.group(1);
            // 按空白/换行拆分得到3个目标元素
            String[] threeElements = targetContent.split("\\s+");
            
            // 输出验证
            for (String element : threeElements) {
                System.out.println("提取到的元素：" + element);
            }
        }
    }
}

适配特殊场景的优化 #

• 若提取的文本中「60 días F.F」存在空格波动（比如多空格、点前后有空格），可以将终止符部分的正则修改为60\\s*días\\s*F\\s*\\.\\s*F适配格式差异
• 若存在大小写不一致的情况，编译正则时新增Pattern.CASE_INSENSITIVE参数即可

内容的提问来源于stack exchange，提问作者Shibaji Sanyal