java - 如何删除括号内的文字

Question

我想处理从 Wikipedia API 检索到的文章，以便可以仅显示纯文本。我想要删除的内容看起来有点像:

 {{Infobox scientist
     | name        = Albert Einstein
     | image       = Einstein 1921 by F Schmutzer.jpg
     | caption     = Albert Einstein in 1921
     | birth_date  = {{Birth date|df=yes|1879|3|14}}
     | birth_place = [[Ulm]], [[Kingdom of Württemberg]], [[German Empire]]
     | death_date  = {{Death date and age|df=yes|1955|4|18|1879|3|14}}
     | death_place = {{nowrap|[[Princeton, New Jersey]], United States}}
     | children    = [[Lieserl Einstein|"Lieserl"]] (1902–1903?)<br />[[Hans Albert Einstein|Hans Albert]] (1904–1973)<br />[[Eduard
 Einstein|Eduard "Tete"]] (1910–1965)
     | spouse      = [[Mileva Marić]]&nbsp;(1903–1919)<br />{{nowrap|[[Elsa Löwenthal]]&nbsp;(1919–1936)}}
     | residence   = Germany, Italy, Switzerland, Austria, Belgium, United States
     | citizenship = {{Plainlist|
     * [[Kingdom of Württemberg]] (1879–1896)
     * [[Statelessness|Stateless]] (1896–1901)
     * Switzerland (1901–1955)
     * [[Austria–Hungary]] (1911–1912)
     * [[German Empire]] (1914–1918)
     * [[Weimar Republic]] (1919–1933)
     * United States (1940–1955)
     }}

现在我想知道如何删除 {{ 和 }} 之间的文本。这就是我尝试做的:

wikitext = wikitext.replaceAll("\\{\\{(.*?)\\}\\}", "");

但它并没有真正发挥作用。我猜想“括号中的括号”会引起问题。 Stackoverflow 上有很多关于删除括号之间的文本的讨论，但我没有找到任何可以解决此问题的内容

Answer 1

您无法与 java 正则表达式匹配未确定级别的嵌套括号。但是，对于只有一个深度级别的特定示例，并假设末尾缺少右括号，您可以使用以下内容:

\\{\\{(?>[^{}]++|\\{\\{[^}]++}})*}}

如果级别数不确定，您可以:

1) 编写一个逐字符遍历的解析器，并在遇到 {{ 时增加堆栈，并在遇到 }} 时减少堆栈。当标志等于 0 时，括号平衡。

2) 执行全部替换，直到不再需要替换: \\{\\{[^{}]*}} (与最内层匹配)

3)使用支持递归的第三方正则表达式库

4)找到一个处理这种格式的工具(也许它存在)