java - 维基百科正则表达式匹配和替换

Question

我正在研究维基百科提供的媒体维基 xml，并尝试对数据进行预处理，删除和替换文本中的一些特定表达式。其中一种预处理是替换维基百科页面的所有内部链接，如下 -

输入 -

text here [[foo|bar]] text here [[some.jpg|some|this is an image of some]] text here

输出 -

text here foo bar text here some.jpg some this is an image of some text here

这就是我目前能够实现的目标 -

String regex = "(\\[\\[(.+?)\\]\\]*)"; 
string.replaceAll(regex, "$2"));

这有助于我从文本中删除 [[]]。但我在尝试用空格 "" 替换管道 "|" 时遇到了困难。

感谢任何帮助。

Answer 1

如果您只想清理一组特殊字符，只需匹配这些字符即可

string.replaceAll("[\\[\\]\\|\\s]+", " ");