Question

如果我有一个像这样的字符串（来自Wiki标记）我需要用Java解析：

this link (is [[ inParen ]] and) (this) one is [[ notInParen ]]

我想使用正则表达式来提取[[]]中的文本，但是如果它们在括号内则不能。例如，在上面的示例中，它应该返回：

notInParen

但忽略：

inParen and this

...因为它们在括号内。我可以分别找到括号和括号没问题：

.*\(.*?\).* and .*?\[\[(.*?\]\].*

...但无法弄清楚如何找到[[]]，四处寻找括号，并忽略。谢谢！

Answer 1

是否需要一次性完成？你可以这样做：

解析字符串并删除括号中包含的所有子字符串。
再次解析结果并使用[[和]]获取所有所需的维基百科链接。

这解决了问题并使问题更容易解决。

在第1步之后，您有：this link one is [[ notInParen ]]。

在第2步之后，你有：notInParen。

Answer 2

这是一个很好的正则表达式

\(.*?\)|\[\[(.*?)]]

您想要的比赛将在第1组

仅供参考，为了使其更好地执行，您可以通过使用否定字符类替换延迟匹配来最小化回溯。

在Java中，这就变成了

String ResultString = null;
try {
    Pattern regex = Pattern.compile("\\(.*?\\)|\\[\\[(.*?)\\]\\]", Pattern.DOTALL | Pattern.MULTILINE);
    Matcher regexMatcher = regex.matcher(subjectString);
    if (regexMatcher.find()) {
        ResultString = regexMatcher.group(1);
    } 
} catch (PatternSyntaxException ex) {
    // Syntax error in the regular expression
}

请注意，对于交替的第一部分匹配的情况，组1将为空。

Answer 3

你也可以这样做

String data = "this link (is [[ inParen ]] and) (this) one is [[ notInParen ]]" +
        " this link (is [[ inParen ]] and) (this) one is [[ notInParen ]]";

boolean insideParentheses = false;
int start = 0, end = 0;
for (int i = 0; i < data.length() - 1; i++) {
    if (data.charAt(i) == '(')
        insideParentheses = true;
    if (data.charAt(i) == ')')
        insideParentheses = false;
    // -> [[ and ]] inside Parentheses are not important
    if (!insideParentheses && 
            data.charAt(i) == '[' && data.charAt(i + 1) == '[') {
        start = i;
    }
    if (!insideParentheses && 
            data.charAt(i) == ']' && data.charAt(i + 1) == ']') {
        end = i;
        System.out.println(data.substring(start, end + 2));
    }
}

输出

[[ notInParen ]]
[[ notInParen ]]

在方括号中查找文本，但不在括号中

3 个答案: