Question

我正在开发维基百科提供的媒体wiki xml，我正在尝试预处理数据删除并替换文本中的一些特定表达式。一个这样的预处理是将所有内部链接替换为维基百科页面，如下所示 -

输入 -

这里的文字[[foo | bar]]这里的文字[[some.jpg | some |这是一些图片]]这里的文字

输出 -

这里的文字foo bar text here.jpg这里有一些文字的图像

这是我现在能够实现的目标 -

String regex = "(\\[\\[(.+?)\\]\\]*)"; 
string.replaceAll(regex, "$2"));

这可以帮助我从文本中删除[[]]。但是我有点试图用空格"|"替换管道" "。

感谢任何帮助。

Answer 1

如果您只想清理一组特殊字符，只需匹配这些字符

即可

string.replaceAll("[\\[\\]\\|\\s]+", " ");

Answer 2

这将解决重复空间问题：

String regex = " \\[{2}|\\]{2} |\\|";
String result = subject.replaceAll(regex, " ");

如果你想检查你删除的方括号和管道是否是你正在寻找（即[[word1|word2|...|wordN]]）的结构的一部分，你也可以使用{{1基于模式：

\G

demo

模式细节：

String regex = "(?:\\G(?!\\A)\\|| ?\\[\\[(?=[^\\]\\[|]+(?:\\|[^\\]\\[|]+)*+\\]\\]))([^\\]\\[|]+)(?>\\]\\])?";
String result = subject.replaceAll(regex, " $1");

维基百科正则表达式匹配和替换

2 个答案: