使用正则表达式从Java中的txt文件中获取引号之间的字符串

Question

好吧，我知道有很多正则表达式问题，但是谢谢你花时间

编辑为已解决的代码

https://stackoverflow.com/a/25791942/8926366答案

我有一个文本文件，其中包含引号，我想把它们放入ArrayList中

我设法拼凑了以下regex代币，这是由我了解85%的指南和人员解决方案提供的：

（？

(?<=       # positive lookbehind group1
  (        # for this new group group2
   ["']    # the characters I am looking for
   \b      # word boundary anchor
  )        # end group2
)          # end group1
(?:        # non-capturing group3
  (?=      # lookahead group4
    (\\?)  # I still have no idea what this means exactly
  )        # end group 4
  \2       # matching the contents of the 2nd group in the expression.
)          # end group3
*?         # lazy 
(?=\1)     # look ahead for group 1

我现在确认它不起作用了哈哈

但这是可行的（由于我的法语键盘，从[\“]中删除了一部分，逗号和法语引号之间的分隔太长了，在这种情况下没什么大不了的）

([\"])((?:(?=(\\?))\3.)*?)\1.

输入：

“有两件事是无限的：宇宙和人类的愚蠢；我对宇宙不太确定。”

“思考伟大思想的人经常犯伟大的错误”——马丁·海德格尔

它给出：

有两样东西是无限的：宇宙和人类的愚蠢；我对宇宙也不确定。

思想伟大的人经常犯大错误

对于所有那些困惑于为什么他们的正则表达式不适用于txt文件的人，尝试使用记事本或其他东西来替换所有各种可能的引用（确保检查结束和开始字符！）用一种引语

方法如下：（现在效果非常好）

  public class WitticismFileParser {

   ArrayList<String> witticisms;
   Scanner scan;
   String regex="([\"])((?:(?=(\\\\?))\\3.)*?)\\1"; //"(?s)([\"])((?<quotedText>(?=(\\\\?))\\3.)*?)(?<[\"])";
   public ArrayList<String> parse(String FILE_PATH){

       witticisms = new ArrayList<>();
       Pattern pattern = Pattern.compile(regex);


       try{
           File txt= new File(FILE_PATH);
           scan= new Scanner(txt);
           String line="";
           Matcher matcher;
           matcher=pattern.matcher(line);

           while(scan.hasNext()){
               line=scan.nextLine();
               matcher=matcher.reset(line);

               if (matcher.find()){
                   line=matcher.group(2);
                   witticisms.add(line);
                   System.out.println(line);
               }

           }

       }catch(IOException e){
           System.err.println("IO Exception- "+ e.getMessage());
           e.printStackTrace();

       }catch(Exception e){
           System.err.println("Exception- "+e.getMessage());
           e.printStackTrace();
       }finally{
           if(scan!=null)
               scan.close();       
       }

       return witticisms;
   }

}

把故障排除留在这里

当我只是让它打印行直接扫描仪得到它，我看到输入文本是预期的。我确保重新格式化. txt，以便所有的引号都是一样的

无论如何感谢你的任何帮助与此我得到一个可怕的头痛从阅读正则表达式留档

感谢任何回答的人！！




Answer 1

为什么不简单地使用下面的正则表达式？

"(?<textBetweenQuotes>[\s\S]*?)"

" matches the character " literally.
(?<textBetweenQuotes> is the start of a named capture group.
[\s\S]*? matches any character including newlines between zero or an infinite amount of times but lazily (so stopping as soon as possible).
) is the end of the named capture group.
" matches the character " literally.

如果您不能在程序中使用命名捕获组，您可以始终使用下面的正则表达式而不使用它，并替换其中的引号。

"[\s\S]*?"