Question

我正试图从这样的文本中选择名称（斯洛伐克转储维基百科）：

    |Meno = Hans Joachim
|Plné meno = Aristoteles (???????????)
|Plné meno = Francis Bacon
|Plné meno = Sokrates ({{Cudzojazyčne|grc|????????|pc=n}})
|Meno            = Svätý František z Assisi <br /> ''(Giovanni Battista Bernardone)''
  |Meno = Friedrich Ludwig Gottlob Frege
   |Meno             = Adam František Kollár (Kolárik)
|meno    = [[J. Edgar Hoover|John Edgar Hoover]]
|meno    = [[Benedikt XIV. (1740 – 1758)|Benedikt XIV.]]
|meno    = [[Milan Rastislav Štefánik|Milan Rastislav Štefánik]]
   |Meno             = '''Ján Filc'''
  |Meno = Jean le Rond d'Alembert

输出应该是：

Hans Joachim
Aristoteles
Francis Bacon
Sokrates
Svätý František z Assisi
Friedrich Ludwig Gottlob Frege
Adam František Kollár (Kolárik)
J. Edgar Hoover|John Edgar Hoover
Benedikt XIV. (1740 – 1758)|Benedikt XIV.
Milan Rastislav Štefánik|Milan Rastislav Štefánik
Ján Filc
Jean le Rond d'Alembert

正确编写名称后，此正则表达式正常工作：= *(.*?)$ 但是当有“（???????????）”，HTML标签和“{{”和“}}”之类的东西时，我无法选择没有不需要的子串的名称。

我在this regex tester page (http://regex101.com/r/gS8iQ9/1)上尝试了很多选项，但都没有。

在Java代码中我正在使用

Pattern pattern = Pattern.compile("= *(.*?)$");
Matcher matcher = pattern.matcher(line);
if (matcher.find()) {
   String foundSubstring = matcher.group(1);
   ...

感谢您提供有关如何在“=”之后选择文字但没有问号，HTML代码等的任何帮助或建议。

Answer 1

你的正则表达式几乎是正确的，但你的输入有点诀窍，你可以在一行中完成：

String name = line.replaceAll(".*?=[\\[ ']*([\\p{L}0-9|'. ()–]+[\\p{L}.)]).*", "$1");

请参阅live demo

我已对此进行了测试，并根据您的样本输入生成了所需的输出。

Answer 2

尝试以下方法：

Pattern pattern = Pattern.compile("=[\\s\\p{Punct}]*(.*?)\\p{Punct}*$");

\p{Punct}代表标点符号：其中一个！“＃$％＆amp;'（）* +， - 。/ :;＆lt; =＆gt;？@ [] ^ _`{|}〜

选择没有子字符串的行

2 个答案: