如何匹配6.1.x类编号点间数据并忽略指定词汇适配UiPath自动化

核心正则匹配规则 #

针对x.x.x格式的任意层级编号，使用如下正则可直接捕获编号右侧的有效内容，自动过滤编号本身、前置空白，不会额外提取无关内容：

(?<=^\d+(?:\.\d+)*\s+).*?(?=\s*\d+(?:\.\d+)*\s|$)

规则逻辑说明：

• 前置正向预查(?<=^\d+(?:\.\d+)*\s+)：匹配行首的层级编号（支持1、1.1、6.1.1等任意层级）+ 后续空白，该部分不纳入捕获结果
• 中间段.*?：非贪婪匹配编号后的有效内容
• 后置正向预查(?=\s*\d+(?:\.\d+)*\s|$)：匹配下一个编号的起始位置或行尾，自动截断多余内容

匹配效果示例：

输入行：6.1.1 项目启动时间 2024年1月1日
输出结果：项目启动时间 2024年1月1日

UiPath自动化流程实现步骤 #

• 完成PDF文本提取后，先调用替换活动，将文本内的连续换行、多段空白统一替换为单个空格，消除PDF导出带来的格式干扰
• 调用匹配正则表达式活动，输入上述正则，勾选多行模式，即可批量提取所有编号对应的右侧内容
• 若需忽略同行指定标题词汇，可在提取后新增替换活动，将预设的需要过滤的词汇集合批量替换为空即可

自定义规则调整方案 #

如果需要限定内容的起止关键词，可修改正则的后置匹配规则，例如要提取编号后到关键词【截止标识】前的内容，正则调整为：

(?<=^\d+(?:\.\d+)*\s+).*?(?=\s*【截止标识】|$)

你可以根据实际的终止关键词灵活修改预查内的匹配规则。

内容的提问来源于stack exchange，提问作者Shwapx