Regex get code and description in a not well-formed txt - regex

Question

As a PDF conversion of a table yelds:
8703.60.00 - Outros veículos, equipados para propulsão, simultaneamente, com um
motor de pistão alternativo de ignição por centelha (faísca*) e um
motor elétrico, suscetíveis de serem carregados por conexão a uma
fonte externa de energia elétrica 25
Ex 01 - De cilindrada não superior a 1.000 cm3 7
Ex 02 - De cilindrada superior a 1.000 cm3, mas não superior a 2.000
cm3 13
8703.70.00 - Outros veículos, equipados para propulsão, simultaneamente, com um
motor de pistão de ignição por compressão (diesel ou semidiesel) e
um motor elétrico, suscetíveis de serem carregados por conexão a
uma fonte externa de energia elétrica 25
8703.80.00 - Outros veículos, equipados unicamente com motor elétrico para
propulsão 25
8703.90.00 - Outros
I'm trying with this pattern:
/(\d{2,4}\.\d{1,2}|\d{2,4}\.\d{1,2}\.\d{1,2})\s{2,}(.*)/s
But I can't find a way to stop group evaluation (the last (.*) of regex pattern) and get all codes and descriptions.
In another way, if I remove /s from pattern, I got all codes, but descriptions came incomplete (Only return descriptions before first \n).
How can I get all codes and descriptions after new lines?
Follow my tests:
https://regex101.com/r/PdtQCf/1

Answer 1

How about this:
(\d{2,4}\.\d{1,2}|\d{2,4}\.\d{1,2}\.\d{1,2})\s{2,}(.*(?:\n(?!)\s{4,}.*)*)
It's your original regex, with the addition of checking for a linefeed followed by at least 4 (an arbitrary number to avoid page headers) space characters (except FF (i guess it is)) and then anything up to a linefeed. This last part can be repeated any number of times.
Here at regex101.

Answer 2

$string = <<<EOD
8703.60.00 - Outros veículos, equipados para propulsão, simultaneamente, com um
motor de pistão alternativo de ignição por centelha (faísca*) e um
motor elétrico, suscetíveis de serem carregados por conexão a uma
fonte externa de energia elétrica 25
Ex 01 - De cilindrada não superior a 1.000 cm3 7
Ex 02 - De cilindrada superior a 1.000 cm3, mas não superior a 2.000
cm3 13
8703.70.00 - Outros veículos, equipados para propulsão, simultaneamente, com um
motor de pistão de ignição por compressão (diesel ou semidiesel) e
um motor elétrico, suscetíveis de serem carregados por conexão a
uma fonte externa de energia elétrica 25
8703.80.00 - Outros veículos, equipados unicamente com motor elétrico para
propulsão 25
8703.90.00 - Outros
EOD;
preg_match_all('/(\d{2,4}\.\d{1,2}|\d{2,4}\.\d{1,2}\.\d{1,2})\s{2,}((?:.*?\R(?:\h+|$))*)/', $string, $match);
print_r($match);
Explanation:
/ : regex delimiter
( : start group #1
\d{2,4}\.\d{1,2}
|
\d{2,4}\.\d{1,2}\.\d{1,2}
) : end group #1
\s{2,} : 2 or more spaces
( : start group #2
(?: : start non capture group
.*? : 0 or more any character but newline
\R : any kind of linebreak
(?: : start non capture group
\h+ : 1 or more horizontal spaces
| : OR
$ : end of string
) : end group
)* : end group, 0 or more occurrences
) : end group #2
/ : regex delimiter. NO 's' modifier
Output:
Array
(
[0] => Array
(
[0] => 8703.60.00 - Outros veículos, equipados para propulsão, simultaneamente, com um
motor de pistão alternativo de ignição por centelha (faísca*) e um
motor elétrico, suscetíveis de serem carregados por conexão a uma
fonte externa de energia elétrica 25
Ex 01 - De cilindrada não superior a 1.000 cm3 7
Ex 02 - De cilindrada superior a 1.000 cm3, mas não superior a 2.000
[1] => 8703.70.00 - Outros veículos, equipados para propulsão, simultaneamente, com um
motor de pistão de ignição por compressão (diesel ou semidiesel) e
um motor elétrico, suscetíveis de serem carregados por conexão a
[2] => 8703.80.00 - Outros veículos, equipados unicamente com motor elétrico para
[3] => 8703.90.00 - Outros
)
[1] => Array
(
[0] => 8703.60.00
[1] => 8703.70.00
[2] => 8703.80.00
[3] => 8703.90.00
)
[2] => Array
(
[0] => - Outros veículos, equipados para propulsão, simultaneamente, com um
motor de pistão alternativo de ignição por centelha (faísca*) e um
motor elétrico, suscetíveis de serem carregados por conexão a uma
fonte externa de energia elétrica 25
Ex 01 - De cilindrada não superior a 1.000 cm3 7
Ex 02 - De cilindrada superior a 1.000 cm3, mas não superior a 2.000
[1] => - Outros veículos, equipados para propulsão, simultaneamente, com um
motor de pistão de ignição por compressão (diesel ou semidiesel) e
um motor elétrico, suscetíveis de serem carregados por conexão a
[2] => - Outros veículos, equipados unicamente com motor elétrico para
[3] => - Outros
)
)