A expressão regular é:
(?:Agência: [0-9]{4} Conta: [0-9]{5}-[0-9X])|(?:Conta: [0-9]{5}-[0-9X] Agência: [0-9]{4})
Me baseando nessa outra resposta minha:
import java.util.regex.Matcher;
import java.util.regex.Pattern;
class TesteRegex {
private static final Pattern AGENCIA_CONTA = Pattern.compile(
"(?:Agência: [0-9]{4} Conta: [0-9]{5}-[0-9X])|" +
"(?:Conta: [0-9]{5}-[0-9X] Agência: [0-9]{4})");
public static void main(String[] args) {
String texto = ""
+ "Banana abacaxi pêra Agência: 5720 Conta: 43821-X abacate "
+ "melancia Agência: 3481 Conta: 53895-0. verde azul "
+ "amarelo Agência: 6666 Conta: 66667-NÃO É ESSA "
+ "Agência: 9123 Conta: 44578-2 "
+ "laranja Conta: 43210-7 Agência: 6589 verde "
+ "rosa lilás Conta: 77777-7 Não vai dar Agência: 4444";
Matcher m = AGENCIA_CONTA.matcher(texto);
while (m.find()) {
String achou = texto.substring(m.start(), m.end());
System.out.println("Achou nas posições " + m.start() + "-" + m.end() + ": "
+ achou);
String agencia, conta;
if (achou.startsWith("Agência:")) {
agencia = achou.substring(9, 13);
conta = achou.substring(21, 28);
} else {
agencia = achou.substring(24, 28);
conta = achou.substring(7, 14);
}
System.out.println("Os valores encontrados são: " + agencia + " e " + conta + ".");
}
}
}
Eis a saída:
Achou nas posições 20-48: Agência: 5720 Conta: 43821-X
Os valores encontrados são: 5720 e 43821-X.
Achou nas posições 66-94: Agência: 3481 Conta: 53895-0
Os valores encontrados são: 3481 e 53895-0.
Achou nas posições 153-181: Agência: 9123 Conta: 44578-2
Os valores encontrados são: 9123 e 44578-2.
Achou nas posições 190-218: Conta: 43210-7 Agência: 6589
Os valores encontrados são: 6589 e 43210-7.
Veja aqui funcionando no ideone.
Explicação da regex, começando pela estrutura geral:
(?: ... :)
- Grupo sem captura.
aaa|bbb
- Escolha entre aaa
e bbb
. Ele dá match no primeiro deles que encontrar.
(?: ... :)|(?: ... :)
- Escolha entre dois grupos sem captura.
Agência: [0-9]{4} Conta: [0-9]{5}-[0-9X]
- Primeiro grupo.
Conta: [0-9]{5}-[0-9X] Agência: [0-9]{4}
- Segundo grupo.
Explicação dos códigos nos grupos:
[0-9]{4}
- Quatro ocorrências de dígitos entre 0 e 9. Esse é o número da agência.
[0-9]{5}
- Cinco ocorrências de dígitos entre 0 e 9. Isso é parte do número da conta.
-
- O hífen. Isso é parte do número da conta.
[0-9X]
- Um dígito de 0 a 9 ou um X. Isso é parte do número da conta.
O resto (inclusive os espaços) é texto explícito que só é reconhecido exatamente da forma como está.
Assim sendo, a regex procura por agência antes de conta ou conta antes de agência, aceitando ambas as formas. Com o if
eu identifico qual é a forma encontrada e retiro utilizando substring
os dígitos da agência e da conta.
Quando há algum outro texto no meio da agência e da conta ou quando o número que segue-se está incompleto, não será reconhecido.