Java регулярное выражение, чтобы очистить Mediawiki разметке

Question

Можно создать дубликат:
Wikipedia : Java library to remove wikipedia text markup removal

Я должен очистить некоторое содержание, которое исходит от Confluence. Это содержание почти чистое; Однако, есть некоторые вещи, как:

1. [ссылка |]: Ссылка без URL-адрес части
2. * [ссылка |] *: Ссылка (без URL-адрес части) жирного
3. * текст *: Bolded текст
4. _ * текст * _: курсивный текст жирным шрифтом

И так далее. мне нужно написать регулярное выражение, очистить все, что так, я сделал что-то вроде:

String wikiCleanMarkupRegex = "\\\\[(.*?)[\\\\|.*?]?\\\\]|\\\\*(.*?)\\\\*|_(.*?)_";

Но это не чистое все, я имею в виду, если я дам ему ссылку в # 2, я получите:

[ссылка |]

Который не то, что я хочу, я хочу, чтобы получить «ссылку» ... так, мне нужно повторный анализ строки снова и снова, пока нет другого совпадения не найдено.

Это действительно медленно, потому что есть миллионы записей для очистки, так что есть ли способ сделать регулярное выражение, которое делает все сразу?

Большое спасибо.

Answer 1

Так выглядит, что в основном три типа форматирования кода: наклонным, полужирный и LINK

я сделаю 3-пасс Regex заменителя.

и порядок старшинства в соответствии с входом вы дали должны быть:

/** 
* FIRST REMOVE ITALICS, THEN BOLD, THEN URL 
*/ 
public static String cleanWikiFormat(CharSequence sequence) { 
    return Test.removeUrl(Test.removeBold(Test.removeItalic(sequence))); 
} 

Вот пример кода:

import java.util.regex.Matcher; 
import java.util.regex.Pattern; 


public class Test { 

    private static String removeItalic(CharSequence sequence) { 
     Pattern patt = Pattern.compile("_\\*(.+?)\\*_"); 
     Matcher m = patt.matcher(sequence); 
     StringBuffer sb = new StringBuffer(sequence.length()); 
     while (m.find()) { 
      String text = m.group(1); 
      // ... possibly process 'text' ... 
      m.appendReplacement(sb, Matcher.quoteReplacement(text)); 
     } 
     m.appendTail(sb); 
     return sb.toString(); 
    } 

    private static String removeBold(CharSequence sequence) { 
     Pattern patt = Pattern.compile("\\*(.+?)\\*"); 
     Matcher m = patt.matcher(sequence); 
     StringBuffer sb = new StringBuffer(sequence.length()); 
     while (m.find()) { 
      String text = m.group(1); 
      // ... possibly process 'text' ... 
      m.appendReplacement(sb, Matcher.quoteReplacement(text)); 
     } 
     m.appendTail(sb); 
     return sb.toString(); 
    } 


    private static String removeUrl(CharSequence sequence) { 
     Pattern patt = Pattern.compile("\\[(.+?)\\|\\]"); 
     Matcher m = patt.matcher(sequence); 
     StringBuffer sb = new StringBuffer(sequence.length()); 
     while (m.find()) { 
      String text = m.group(1); 
      // ... possibly process 'text' ... 
      m.appendReplacement(sb, Matcher.quoteReplacement(text)); 
     } 
     m.appendTail(sb); 
     return sb.toString(); 
    } 


    public static String cleanWikiFormat(CharSequence sequence) { 
     return Test.removeUrl(Test.removeBold(Test.removeItalic(sequence))); 
    } 

    public static void main(String[] args) { 
     String text = "[hello|] this is just a *[test|]* to clean wiki *type* and _*formatting*_"; 
     System.out.println("Original"); 
     System.out.println(text); 
     text = Test.cleanWikiFormat(text); 
     System.out.println("CHANGED"); 
     System.out.println(text); 
    } 
} 

Следующие даст:

Original 
[hello|] this is just a *[test|]* to clean wiki *type* and _*formatting*_ 
CHANGED 
hello this is just a test to clean wiki type and formatting