使用正则表达式和Java从文本中提取内容

我有一些这样的文字：

 //(10,0,'Computer_accessibility','',''),(13,0,'History_of_Afghanistan','',''),(14,0,'Geography_of_Afghanistan','','')

我写了一个模式：

public final static Pattern r_english = Pattern.compile("\\((.*?),(.*?),(.*?),(.*?),(.*?)\\)");

这在Java中可以很好地提取m.group（1）（例如13）和m.group（3）（例如阿富汗历史），其中m是匹配器。 但是，如果文本是这样的话，它就会中断，因为华盛顿特区（即m.group（3））有一个逗号：

(8543,0,'Washington,_D.C.','',''),(8546,0,'Extermination_camp','','')

---

有人能帮我修改正则表达式并提取华盛顿特区的东西吗？谢谢

将您的第三个捕获组更改为捕获所有内容，直到达到关闭状态。这允许捕获每个字符（包括逗号）

更新：为了允许转义的

，

s，正则表达式如下所示。学分归Pshemo，见备注

public final static Pattern r_english = Pattern.compile("\\((.*?),(.*?),('(?:[^']|\\')*'),(.*?),(.*?)\\)");

---

您应该帮助使您的正则表达式更适合您的情况。 例如：

((.*?),(.*?),('.*?'),('.*?'),('.*?'))

我使用了妄想症

”

，这个解决方案对第3-5组的进一步妄想症也是不可知的

---

关于

您需要更改正则表达式以适应所有要检索的匹配，例如：

/((.*?),(.*?),'(.*?)','(.*?)','(.*?)'\)/g

工作示例@

您需要将上述正则表达式转换/转义为与Java兼容的正则表达式，例如：

public static String REGEX_PATTERN = "\\((.*?),(.*?),'(.*?)','(.*?)','(.*?)'\\)";

然后，迭代所有匹配，试图模仿

//g

修饰符，例如：

while (matcher.find()) {
}

Java工作示例：

package SO40002225;

import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class Main {

    public static String INPUT;
    public static String REGEX_PATTERN;

    static {
        INPUT = "(8543,0,'Washington,_D.C.','',''),(8546,0,'Extermination_camp','',''),(8543,0,'Washington,_D.C.','',''),(8546,0,'Extermination_camp','','')";
        REGEX_PATTERN = "\\((.*?),(.*?),'(.*?)','(.*?)','(.*?)'\\)";
    }


    public static void main(String[] args) {
        String text = INPUT;

        Pattern pattern = Pattern.compile(REGEX_PATTERN);
        Matcher matcher = pattern.matcher(text);

        while (matcher.find()) {
            String mg1 = matcher.group(1);
            String mg2 = matcher.group(2);
            String mg3 = matcher.group(3);
            String mg4 = matcher.group(4);
            String mg5 = matcher.group(5);

            System.out.println("Matching group #1: " + mg1);
            System.out.println("Matching group #2: " + mg2);
            System.out.println("Matching group #3: " + mg3);
            System.out.println("Matching group #4: " + mg4);
            System.out.println("Matching group #5: " + mg5);
        }

    }

}

更新#1

---

删除了正则表达式中逗号

，

的转义，正如Pshemo所指出的，

，

不是元字符，或者它没有在限制重复中使用量词：

{min，max}

现在我正在等待OP提供的信息，标题中可能还有超过

'

。但现在看起来还可以。到目前为止，它不在示例输入中：DBTW，您可能不需要

'[^']*？'中的
？
。另外，
（.*）
也可以更改为
（[^，]*）
@Knight。在这种情况下，您需要创建一些格式，让我们能够确定哪个
'
是标题的一部分，哪个
'
被视为表示标题结尾的报价。换句话说，您需要引入一些非特殊的
'
的转义机制，就像前面的
\
一样（但这也意味着
\
是特殊的，所以就像在字符串文本中一样，如果您想创建这样的符号，您也需要转义它），或者像SQL一样，用另一个
'
对每个文本
'
进行转义，如
'Marvin's_Room'
@Knight在这种情况下，请尝试编写接受非引号或转义引号，而不是只接受非引号字符的
[^']
。所以试着把
（'[^']*'）
改成类似
（'（？：[^']\\\'）*'）
对不起，但是转义
，
有什么意义呢？它不是regex元字符之一（至少在这里不是-唯一的情况是
，
不代表文字的是
{min，max}
或
{，max}
之类的量词，但即使这样也没有必要逃避它）。@Pshemo，谢谢你指出这一点，我完全忘记了这一点。