如何通过匹配已知的关键字集来提取子字符串[重复]

Posted 2023-02-19

【中文标题】如何通过匹配已知的关键字集来提取子字符串[重复]

【英文标题】：How to extract sub string by matching the known set of keyword(s) [duplicate]

【发布时间】：2020-09-08 10:12:38

【问题描述】：

例如尝试在特定代码之后提取子字符串

String sample1 = "/ASDF/096/GHJKL/WER/WER/dv/7906/CODEM/TEAR1331927498xxxxxx/YUII/OPL";
String sample2 = "/CODEM/TEAR1331927498xxxxxx";

String regExpresssion = "[/CODEM/]6(^[a-zA-Z0-9|\\s])?";
final Pattern pattern = Pattern.compile(regExpresssion);
final Matcher matcher = pattern.matcher(sample1);
if (matcher.find()) 
  String subStringOut = sample1.substring(matcher.end());


subStringOut for sample 1  > TEAR1331927498xxxxxx/YUII/OPL
subStringOut for sample 2  > TEAR1331927498xxxxxx

上面的代码工作正常，但现在我需要在下面的示例的正则表达式中再添加一个标识符“/CODER/”

String sample3 = "/ASDF/096/GHJKL/WER/WER/dv/7906/CODER/TEAR1331927498xxxxxx/YUII/OPL";

我试过了

String regExpresssion = "[/CODEM/|/CODER/]6(^[a-zA-Z0-9|\\s])?"; 

但它不起作用。有什么建议吗？

谢谢！！

【问题讨论】：

你能试试这个例子来演示这个问题吗？ regex101.com/r/UOWTje/1

我对您的正则表达式以及它的确切含义感到困惑。文件路径？

你似乎只需要String regExpresssion = "/CODE[MR]/"，见demo。您的 [/CODEM/]6(^[a-zA-Z0-9|\s])? 正则表达式是一团糟，而且是错误的。它等于 [/CODEM]6 正则表达式，因为 (^[a-zA-Z0-9|\s])? 从不匹配任何内容，字符串中的 6 个特定字符后不能有字符串开头。您必须搜索字符序列，如果是这样，则必须从该模式中删除[ 和]6 并删除所有冗余部分。当然，您也可以使用/(CODEM|CODER)/，但/CODE[RM]/ 更简洁。

【参考方案1】：

尝试将[/CODEM/|/CODER/]6 替换为/CODE[RM]/

我认为您的意思是匹配整个短语 /CODEM/ 或 /CODER/，但由于您编写它的方式，您接受了 6 个字符长的任何这些字符的任何序列。不过我不完全确定。括号代表一个“字符类”，它们只匹配一个字符，如果你想连续匹配多个字符，你可以使用括号。第二部分对我来说也没有意义，因为指数符号位于短语的中间，在这种情况下，它与一行的开头相匹配。

【讨论】：

谢谢，Wiktor 和 Slackow。正则表达式 /(CODEM|CODER)/ 解决了我的问题。虽然 /CODE[RM]/ 有效，但我可能会得到一个完全不同的短语，比如 RESET，因为 /(CODEM|RESET)/ 会做这件事。

尼克斯，如果您的意思是除了"CODEM" 和"CODER" 之外还有匹配的词，您应该在问题中这样说。请注意，这两个表达式都匹配 "ENCODER"，因此您可能需要添加分词符。

还有一点需要记住的是，像/(CODE[RM]|RESET)/ 这样的东西也可以正常工作

【参考方案2】：

只需要看一下assersun 试试(?<=/CODE[MR]/).*

PCRE demo 但在这种情况下适用于 Java