如何用正则匹配PDF中<<>>内包含/ObjStm的obj前置编号

需求说明 #

匹配PDF内容中obj关键字前的编号，要求该obj后跟随的<<>>字典内包含/ObjStm标识。

最终正则表达式 #

(\d+ \d+)(?=\s*obj\s*<<[\s\S]*?\/ObjStm[\s\S]*?>>)

正则解释 #

• 捕获组(\d+ \d+)：匹配obj前的两段数字组成的编号格式，如363 0
• 正向肯定预查(?=...)：确保编号后满足匹配规则，且不会把预查内容纳入匹配结果
  • \s*obj\s*：匹配obj关键字及前后任意空白字符（含换行）
  • <<：匹配字典起始标识
  • [\s\S]*?：非贪婪匹配任意字符（含换行，适配跨多行的字典内容）
  • \/ObjStm：匹配要求存在的目标标识
  • [\s\S]*?>>：非贪婪匹配到字典结束标识>>

匹配效果 #

针对提供的示例内容：

• 匹配成功：363 0、364 0
• 匹配失败：2 0（对应字典内无/ObjStm标识）

使用注意 #

如果你的正则引擎支持DOTALL（单行）模式，也可以将[\s\S]替换为.，同时添加s修饰符，写法如下：
(\d+ \d+)(?=\s*obj\s*<<.*?\/ObjStm.*?>>)s

内容的提问来源于stack exchange，提问作者user3471272