Regex 正则表达式从wikipedia页面提取节

我正在尝试解析wikipedia页面，需要使用正则表达式提取页面的特定部分。在下面的数据中，我只需要提取{{Infobox…}}节中的数据

{{Infobox XC Championships
|Name       = Senior men's race at the 2008 IAAF World Cross Country Championships
|Host city  = [[Edinburgh]], [[Scotland]], [[United Kingdom]] {{flagicon|United Kingdom}}
|Location   = [[Holyrood Park]]
|Nations participating  = 45
}}
2008.<ref name=iaaf_00>
{{ Citation 
| last = 
| publisher = [[IAAF]]
}}

在上面的例子中，我只需要提取

Infobox XC Championships
|Name       = Senior men's race at the 2008 IAAF World Cross Country Championships
|Host city  = [[Edinburgh]], [[Scotland]], [[United Kingdom]] {{flagicon|United Kingdom}}
|Location   = [[Holyrood Park]]
|Nations participating  = 45

请注意，{{Infobox…}}节中可能有嵌套的{{}字符。我不想忽略这一点

下面是我的正则表达式：

\\{\\{Infobox[^{}]*\\}\\} 

---

但它似乎不起作用。请帮忙。谢谢

不要使用正则表达式..遵循此算法

1> 将

计数器初始化为
0

2> 当您找到
{{

3> 当您找到
}

4> 重复第2步和第3步，直到计数器为0。不要使用正则表达式。遵循此算法

1> 将
计数器初始化为
0

2> 当您找到
{{

3> 当您找到
}

4> 重复第2步和第3步，直到计数器为0为止。由于信息框部分的格式设置，实际上可以使用正则表达式进行此操作。

诀窍是，您甚至不关心嵌套的
{{…}
元素，因为每个元素都在自己的行中，以
|
开头

{{(Infobox.*\r\n(?:\|.*\r\n)+)}}



因此，在
信息框
-部分中，您只需匹配以
|
开头的行，直到弹出
}

根据您的平台/语言，您可能必须尝试使用
\r\n
。可以使用
\r\n
，但只能在
\n
上匹配，因为信息框部分的格式设置，实际上可以为此使用正则表达式。

诀窍是，您甚至不关心嵌套的
{{…}
元素，因为每个元素都在自己的行中，以
|
开头

{{(Infobox.*\r\n(?:\|.*\r\n)+)}}



因此，在
信息框
-部分中，您只需匹配以
|
开头的行，直到弹出
}

根据您的平台/语言，您可能必须尝试使用
\r\n
。对
\r\n
没有问题，但只在
\n
上匹配。Regex不是为处理嵌套而设计的。谢谢@Amber。你能给我建议最好的方法吗？一种方法是迭代字符串，计算开始大括号的数量，当你经过相等数量的结束大括号时停止。如果你担心性能，正则表达式几乎永远解决不了你的问题。正则表达式是解决某些问题的一种简单、方便的方法，但通常因性能差而臭名昭著。请注意，“这种蛮力方法”在处理的数据量方面实际上与正则表达式没有任何区别……正则表达式不是为处理嵌套而设计的。谢谢@Amber。你能给我建议最好的方法吗？一种方法是迭代字符串，计算开始大括号的数量，当你经过相等数量的结束大括号时停止。如果你担心性能，正则表达式几乎永远解决不了你的问题。正则表达式是解决某些问题的一种简单、方便的方法，但通常因性能差而臭名昭著。请注意，“这种蛮力方法”实际上与正则表达式所处理的数据量没有任何区别……我不知道在infobox部分的每一行的开头都必须有一个|。谢谢。它似乎起作用了：）@Kailash老实说，我不知道是否必须有一个
，因为我不知道维基百科使用的语法。但在您发布的示例中，我觉得它像是模式的一部分。我不知道在infobox部分的每一行的开头都必须有一个|。谢谢。它似乎起作用了：）@Kailash老实说，我不知道是否必须有一个
，因为我不知道维基百科使用的语法。但在您发布的示例中，我认为它是模式的一部分。