选择没有子字符串的行

Question

我正在尝试从这样的文本中仅选择名称（维基百科的斯洛伐克语转储）：

    |Meno = Hans Joachim
|Plné meno = Aristoteles (???????????)
|Plné meno = Francis Bacon
|Plné meno = Sokrates ({{Cudzojazyčne|grc|????????|pc=n}})
|Meno            = Svätý František z Assisi <br /> ''(Giovanni Battista Bernardone)''
  |Meno = Friedrich Ludwig Gottlob Frege
   |Meno             = Adam František Kollár (Kolárik)
|meno    = [[J. Edgar Hoover|John Edgar Hoover]]
|meno    = [[Benedikt XIV. (1740 – 1758)|Benedikt XIV.]]
|meno    = [[Milan Rastislav Štefánik|Milan Rastislav Štefánik]]
   |Meno             = '''Ján Filc'''
  |Meno = Jean le Rond d'Alembert

输出应该是这样的：

Hans Joachim
Aristoteles
Francis Bacon
Sokrates
Svätý František z Assisi
Friedrich Ludwig Gottlob Frege
Adam František Kollár (Kolárik)
J. Edgar Hoover|John Edgar Hoover
Benedikt XIV. (1740 – 1758)|Benedikt XIV.
Milan Rastislav Štefánik|Milan Rastislav Štefánik
Ján Filc
Jean le Rond d'Alembert

当名字写正确时，这个正则表达式工作正常：= *(.*?)$ 但是当有像“（？？？？？？？？？？？？）”，HTML标签和“{{”和“}}”之间的东西时，我无法选择没有不需要的子字符串的名称。

我在this regex tester page (http://regex101.com/r/gS8iQ9/1) 上尝试了很多选项，但都没有奏效。

在我使用的 Java 代码中

Pattern pattern = Pattern.compile("= *(.*?)$");
Matcher matcher = pattern.matcher(line);
if (matcher.find()) {
   String foundSubstring = matcher.group(1);
   ...

感谢您提供有关如何在“=”之后选择文本但不带问号、HTML 代码等的任何帮助或建议。

Answer 1

您的正则表达式几乎是正确的，但您的输入有点棘手，您可以在一行中完成：

String name = line.replaceAll(".*?=[\\[ ']*([\\p{L}0-9|'. ()–]+[\\p{L}.)]).*", "$1");

见live demo

我已经对此进行了测试，并根据您的示例输入产生了您想要的输出。

Answer 2

尝试以下方法：

Pattern pattern = Pattern.compile("=[\\s\\p{Punct}]*(.*?)\\p{Punct}*$");

\p{Punct} 代表标点符号：之一！"#$%&'()*+,-./:;?@[]^_`{|}~