java - 使用 Regex 和 Java 从文本中提取内容

Question

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 History_of_Afghanistan)，其中 m 是匹配器。然而，如果文本是这样的，那么它就会中断，因为 Washington,_D.C. (即 m.group(3))中有一个逗号:

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

有人可以帮我修改正则表达式并提取 Washington,_D.C.东西？谢谢

Answer 1

更改第三个捕获组以捕获所有内容，直到到达结束 '。这允许捕获每个字符(包括逗号)。

更新:为了也允许转义'，正则表达式如下所示。积分归 Pshemo，请参阅评论。

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