本文介绍使用正则表达式精准提取PDF或文本中“account”和“routing”关键词后紧跟的数字，并将其封装为Map结构，实现字符串标签到对应整型数值的可靠映射。

本文介绍使用正则表达式精准提取pdf或文本中“account”和“routing”关键词后紧跟的数字，并将其封装为`map`结构，实现字符串标签到对应整型数值的可靠映射。

在处理银行票据、PDF解析结果或OCR识别文本时，常需从非结构化内容中定位关键字段（如账户号、路由号）。这些字段通常以“account: 12345”或“routing number 1122334455”等形式出现，其后紧邻数字，但中间可能夹杂空格、冒号、换行或少量无关字符。直接匹配固定格式易失效，而利用正向先行断言（(?可精准锚定关键词后的数字区域。

以下为完整实现方案：

import java.util.*;
import java.util.regex.*;

public class Bank {
    // 预编译正则：匹配“account”后0–10个非数字字符（如空格、冒号、换行等），再捕获连续数字
    private static final Pattern accountPattern 
        = Pattern.compile("(? accountInfo = extractAccountInfo(pdfText);
        System.out.println(accountInfo); // {account=987654321, routing=21000021}
    }

    public static Map<string long> extractAccountInfo(String text) {
        Map<string long> result = new HashMap();
        Matcher accountMatcher = accountPattern.matcher(text);
        Matcher routingMatcher = routingPattern.matcher(text);

        // 分别查找，确保两个字段均存在
        if (accountMatcher.find() && routingMatcher.find()) {
            result.put("account", Long.parseLong(accountMatcher.group(1)));
            result.put("routing", Long.parseLong(routingMatcher.group(1)));
        } else {
            throw new IllegalArgumentException(
                "Failed to extract both 'account' and 'routing' numbers from text."
            );
        }
        return result;
    }
}</string></string>

✅ 关键设计说明：

• \D{0,10} 允许关键词与数字间最多10个非数字字符（含空格、标点、制表符、换行），兼顾常见排版变体；
• group(1) 显式获取捕获组内的纯数字，避免误取先行断言部分；
• 使用 Long 而非 int，防止长路由号（如9位）或大账户号溢出；
• 正则预编译为 static final 字段，提升多次调用性能。

⚠️ 注意事项：

• 若文本中存在多个匹配项（如多个账户号），上述代码仅返回首次出现的结果。如需全部匹配，请改用循环 while(matcher.find()) 并收集；
• 对大小写不敏感（CASE_INSENSITIVE），但若原文含连字符（如 routing-number），建议扩展正则为 routing[\s\-:]*number?；
• 实际PDF文本提取（如通过 Apache PDFBox 或 Tesseract OCR）需先完成文本清洗（去除多余换行、合并断裂行），再传入本方法。

该方案简洁、健壮、可扩展，是金融文本结构化提取的典型实践。