Java 正则表达式子字符串提取模式

Question

我有这段文字：

<blockquote>1. тест1; тест2; </blockquote>
<blockquote>2. тест1; тест2; </blockquote>
<blockquote>1) тест1; тест2; </blockquote>
<blockquote>2) тест1; тест2; </blockquote>
<blockquote>1. 1) тест1; тест2; </blockquote>
<blockquote>1) 1. тест1; тест2; </blockquote>
<blockquote>1. тест </blockquote>

你能给我表达吗，用那个我可以提取тест1；回复2;在这些字符串中的任何一个变量？回复1;回复2; - 是西里尔字母。所以对于提取 тест 我需要使用 ([\p{IsCyrillic}]*) 表达式。

String pattern = "(.*)<blockquote>1. ([\\p{IsCyrillic}]*) </blockquote>(.*)";

仅适用于第一个变体。这种变体的表达方式是什么？ （或者你可以给我每个字符串变体的特定表达吗？

Answer 1

对于您原始帖子中的所有字符串：-

String pattern = "(.*)<blockquote>[\\d[\\.\\)]\\s]+([[\\p{IsCyrillic}][\\d\\;\\s]+]+) </blockquote>(.*)";

对于下面给出的新要求字符串，请使用此模式。：-

String str = "<blockquote>1. тест </blockquote><blockquote>2. 1) ветка; метрика </blockquote>";

String p = "[(.*)<blockquote>[\\d[\\.\\)]\\s]+([[\\p{IsCyrillic}][\\d\\;\\s]+]+) </blockquote>(.*)]+";

好的，匹配并返回上述字符串中的所有三个тест, ветка; метрика，代码如下：-

String str = "<blockquote>1. тест </blockquote><blockquote>2. 1) ветка; метрика </blockquote>";

Pattern pattern1 = Pattern.compile("(тест)|(ветка;)|(метрика)");

Matcher matcher = pattern1.matcher(str);
while (matcher.find()) {
    System.out.print("Start index: " + matcher.start());
    System.out.print(" End index: " + matcher.end() + " ");
    System.out.println(matcher.group());
}

但是，由于您只是匹配 fixed 字符串，因此您实际上并不需要 regex。您可以只使用常规的String 类方法。使用String.substring、String.indexOf 方法来查找您的字符串。 Regex 的真正威力在于在一个模式上匹配多个字符串。

Answer 2

这取决于您的具体要求。这是一个相当简单的修改，假设开头的编号可以是空格、右括号、点和数字的任意组合。

String pattern = 
 "(.*)<blockquote>[\\s\\.\\)\\d]+([\\p{IsCyrillic}\\;\\d\\s]*)</blockquote>(.*)";

更新：还进行了编辑，使中间部分匹配分号、数字和空格。

更新 2：在阅读了 cmets 中的讨论后，我不再确定需要什么，但这样做是匹配编号后的整个中间部分。匹配的部分可以是西里尔字符、分号、数字和空格的任意组合（只要它不以数字开头）。

Answer 3

如果您只想检索тест1 和тест2。然后您可以使用String.substring() 和String.indexOf() 函数执行字符串搜索。在这种情况下不需要正则表达式。

但是如果标签可以包含不同的字符串，那么你可以使用下面的正则表达式。

(?<= ).*?(?=(;| ))

这个正则表达式将分别选择块引用标签内的字符串。

<blockquote>1. тест1; тест2; </blockquote>
<blockquote>2. тест1; тест2; </blockquote>
<blockquote>1) тест1; тест2; </blockquote>
<blockquote>2) тест1; тест2; </blockquote>
<blockquote>1. 1) тест1; тест2; </blockquote>
<blockquote>1) 1. тест1; тест2; </blockquote>
<blockquote>1. тест </blockquote>

这将选择

тест1 тест2
тест1 тест2
тест1 тест2
тест1 тест2
1) тест1 тест2
1. тест1 тест2
тест

分别为所有标签。

如果您想从第 5 个和第 6 个标签中删除 1) 和 1.，请相应地格式化您的字符串。

但是，如果您将所有标签都放在同一行中，那么它也会选择这些标签。您可以通过检查匹配的字符串是否以 < 开头来过滤掉它们。

Answer 4

这里的模式看起来不错，应该可以工作。但是，有时我发现一步一步地做这样的事情更容易，例如：

  public static void main(String[] args){

    String[] testStrings = { "<blockquote>1. тест1; тест2; </blockquote>",
      "<blockquote>2. тест1; тест2; </blockquote>",
      "<blockquote>1) тест1; тест2; </blockquote>",
      "<blockquote>2) тест1; тест2; </blockquote>",
      "<blockquote>1. 1) тест1; тест2; </blockquote>",
      "<blockquote>1) 1. тест1; тест2; </blockquote>" };

    for (String testString : testStrings){

      String result = testString
        .replace("<blockquote>", "")
        .replace("</blockquote>", "")
        .replaceAll("\\d\\.|\\d\\)", "")
        .trim();

      System.out.println(result);
    }
  }