正则表达式用两个点分隔的部分提取主题标签

Question

我正在尝试创建一个正则表达式以便从字符串中提取一些文本。我想从网址或普通短信中提取文本，例如：endpoint/?userId=#someuser.id要么Hi #someuser.name, how are you?我想#someuser.name从消息和#someuser.idurl 中准确提取。可能有很多这样的字符串要从 url 和消息中提取。我的正则表达式目前看起来像这样：(#[^\.]+?\.)([^\W]\w+\b)它工作正常，除了一对一的情况，我不知道该怎么做 - 例如：这些字符串不应匹配：# .id, #.id. #和之间必须至少有一个字符.。不应匹配这些字符之间的一个或多个空格。我怎样才能使用我当前的正则表达式来做到这一点？

Answer 1

你可以使用

String regex = "#[^.#]*[^.#\\s][^#.]*\\.\\w+";

请参阅正则表达式演示及其图表：

细节

• #- 一个#符号

• [^.#]*.- 除and之外的零个或多个字符#

• [^.#\\s]- 任何字符，但.,#和空格

• [^#.]*.- - 除and之外的零个或多个字符#

• \.- 一个点

• \w+- 1+ 个单词字符（字母、数字或_）。

Java演示：

String s = "# #.id\nendpoint/?userId=#someuser.id\nHi #someuser.name, how are you?";

String regex = "#[^.#]*[^.#\\s][^#.]*\\.\\w+";

Pattern pattern = Pattern.compile(regex);

Matcher matcher = pattern.matcher(s);

while (matcher.find()){

    System.out.println(matcher.group(0)); 

} 

输出：

#someuser.id

#someuser.name

Answer 2

重新定义的要求是：

• 找花样#A.B

• A可以是任何东西，除了空格，也不能包含#或.

• B只能是常规的 ASCII 字母或数字

将这些要求转换为（可能的）正则表达式：

#[^.#]+((?<!#\\s+)\\.)[A-Za-z0-9]+

解释：

#[^.#]+((?<!#\\s+)\\.)[A-Za-z0-9]+  # The entire capture for the Java-Matcher:

#                                   #  A literal '#' character

 [^.#]+                             #  Followed by 1 or more characters which are NOT '.' nor '#'

       (          \\.)              #  Followed by a '.' character

        (?<!     )                  #  Which is NOT preceded by (negative lookbehind):

            #                       #   A literal '#'

             \\s+                   #   With 1 or more whitespaces

                      [A-Za-z0-9]+  #  Followed by 1 or more alphanumeric characters

                                    #  (PS: \\w+ could be used here if '_' is allowed as well)

测试代码：

String input = "endpoint/?userId=#someuser.id Hi #someuser.name, how are you? # .id #.id %^*#@*(.H(@EH Ok, # some spaces here .but none here #$p€©ï@l.$p€©ï@l that should do it..";

System.out.println("Input: \""+ input + '"');

System.out.println("Outputs: ");

java.util.regex.Matcher matcher = java.util.regex.Pattern.compile("#[^.#]+((?<!#\\s+)\\.)[A-Za-z0-9]+")

                                                         .matcher(input);

while(matcher.find())

  System.out.println('"'+matcher.group()+'"');

在线尝试。

哪些输出：

Input: "endpoint/?userId=#someuser.id Hi #someuser.name, how are you? # .id #.id %^*#@*(.H(@EH Ok, # some spaces here .but none here #$p€©ï@l.$p€©ï@l that should do it.."

Outputs: 

"#someuser.id"

"#someuser.name"

"#@*(.H"

"# some spaces here .but"

Answer 3

您可以尝试以下正则表达式：

#(\w+)\.(\w+)

演示

笔记：

• 如果您不想捕获任何组，请删除括号。

• 在你的java正则表达式字符串中你需要转义每一个\

• 这给#(\\w+)\\.(\\w+)

• 如果id仅由数字组成，则可以通过以下方式更改第二\w个[0-9]

• 如果username包含除字母表、数字和下划线以外的其他字符，则必须更改\w为具有明确定义的所有授权字符的字符类。

代码示例：

String input = "endpoint/?userId=#someuser.id Hi #someuser.name, how are you? # .id, #.id.";

Matcher m = Pattern.compile("#(\\w+)\\.(\\w+)").matcher(input);

while (m.find()) {

    System.out.println(m.group());

}

输出：

#someuser.id

#someuser.name

Answer 4

#(\w+)[.](\w+)

结果两组，例如

endpoint/?userId=#someuser.id -> group[0]=someuser and group[1]=id