Java 选择不带子字符串的行

我只是想从维基百科的斯洛伐克垃圾堆这样的文本中选择名字：

    |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

正确写入名称后，此正则表达式工作正常：=*.*$ 但是，当存在类似于“？？”、HTML标记和{{和}之间的内容时，如果没有不需要的子字符串，我就无法选择名称

我尝试了很多选择，但没有一个奏效

在我使用的Java代码中

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=之后选择文本（但不带问号、HTML代码等）的帮助或建议。

请尝试以下操作：

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

---

\p{Punct}代表标点符号：其中一个是！$%&'*+，-./：@[]^ `{124;}

您的正则表达式几乎是正确的，但您的输入有点难用，您可以在一行中完成：

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

看

---

我已经对此进行了测试，并根据您的示例输入生成了您想要的输出

♦ 这是我在新代码后尝试此代码文本后的输出：是输出| Plnémeno=Aristoteles？？？？？？？？？？？新：亚里士多德|Meno=SvätýAugustín new:Svä这会留下一些不需要的字符，也不适用于我们的特殊字符，如“ä”，但谢谢，我将尝试从this@Tunerx我想我已经修好了。这有点棘手-必须使用posix类\p{L}来表示字母。请尝试最新版本。我现在不能测试它-在iPhone上翻代码这很奇怪，在演示中我可以看到它在工作，但在Java中它有不同的输出。例如| Plnémeno=Sokrates{cudzojazne | grc | | pc=n}新：Sokrates尽管在工作，但这不是| Plnémeno=Aristoteles |？？？？？？？？？？？新：亚里士多德？？？？？？？？？？？。还有本尼迪克特是好的。。。我现在不确定是否可以在一个正则表达式中捕获所有问题，例如Jan Filc也不工作。另外，维基百科上还有很多我还没听清楚的有问题的句子。。。但是谢谢，现在我知道如何解决这个问题了。@Tunerx我现在在一台电脑前，我可以测试它，最新的版本可以工作。如果您有其他边缘案例不起作用，请将它们发布在您的问题中，让我知道，我会看一看。在我使用的所有测试仪中，它工作得很好。在Java中，除了括号内带问号的那一行之外，一切都正常。。。有很多线路不起作用，Plnémeno=Anaxagoras？？？？？？？？？？新：阿纳萨戈拉斯|Plnémeno=阿那克西曼德罗斯？？？？？？？？？？？？新：阿那克西曼德罗斯|Plnémeno=阿那肟类？？？？？？？？？？新名称：安那肟？？？？？？？？？？。我真的不明白，输入与测试人员中的输入是一样的：谢谢，这在网上非常有效，就像| meno=[[Benedikt XIV.1740–1758 | Benedikt XIV.]]新的：Benedikt XIV。1740年至1758年|贝内迪克特十四世。但这不适用于“新的：新的：新的：新的：新的。”输出总是在新的之后。

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