Java正则表达式使用问题：如何提取tenant字段指定内容

问题场景 #

现有如下Java输入字符串：

String URL = "{Records=[{messageId=ac013823-100a-4b92-bb7a-a891b7b113d1, "
        + "receiptHandle=AQEBtDp6D3AVkifVlrM/No2dtCxxazqQOGjFcNrUO2t0JLS0awsBMEEwPfbdwrLyrO8ovneeAs3LIr30kPsx/T7NDP3mAOnYfPAMswHf4hQxQS2H7XCFc5ii/fCNai9FdaV+I/281MCHswfWYhoQII6e+alGmkPuwXPjBvQG6PDsFh9OF+/B05MBYP2uGR4mPoBfAJinDbabyZ7QaTEkgeATgvrHB7OmF0AJaJi/cN8bioZ2W+54bTi5HOJPF/oyCScGOYdTjtSDtvc1L+GP3qm2cC2m5XQ05ziCF3S7LUhjN6Go9EGkn1K1BLQPI/EbkIr8fGOzCmvl3NzE222pAArn2UxNCztSAerkpSfPTVAM72AOygXYXVWosmRMo4E7uT0H, body={\r\n"
        + "  \"tenant\": \"https://example.com,us-east-1-oe-stg-001-lc000chart,us-east-1\"\r\n"
        + "}, attributes={ApproximateReceiveCount=455, "
        + "SentTimestamp=1722503530891, SenderId=AIDAQKVRD5OEBZLPV7XNP, "
        + "ApproximateFirstReceiveTimestamp=1722503535891}, messageAttributes={}, "
        + "md5OfBody=5a8e4022b9b9876a4c854e2a02d4c3b9, eventSource=aws:sqs, eventSourceARN=arn:aws:sqs:us-east-1:022920031112:teq, "
        + "awsRegion=us-east-1}]}";

需要提取从"tenant"开始到最后一个us-east-1的内容，即：

"tenant": "https://example.com,us-east-1-oe-stg-001-lc000chart,us-east-1

现有错误代码 #

你编写的正则表达式无法匹配成功，代码如下：

Pattern pattern = Pattern.compile("[^tenant]+[0-9a-zA-Z]+(,[0-9a-zA-Z]+)*$");
Matcher matcher = pattern.matcher(URL);
if (matcher.find()) {
    System.out.println(matcher.group(0)); // prints /{item}/
} else {
    System.out.println("Match not found");
}

错误分析 #

你的正则完全不符合需求，核心问题有三点：

1. [^tenant]+理解错误：这个表达式不是匹配"tenant"之前的内容，而是匹配任意不包含t、e、n、a单个字符的内容，和你要从"tenant"开始匹配的需求完全相反。
2. 末尾$锚点错误：$表示匹配字符串的结尾，但你要提取的内容并不在整个字符串的末尾，这个锚点会直接导致匹配失败。
3. 字符范围覆盖不全：目标内容包含冒号、引号、斜杠、连字符等特殊字符，你的正则只允许字母数字和逗号，无法匹配这些字符。

修正方案 #

要实现需求，正则需要匹配从"tenant": "开始，到最后一个us-east-1的所有内容。利用贪婪模式的特性，.*会尽可能匹配到最远的us-east-1，正好符合要求。

修正后的完整代码：

String URL = "{Records=[{messageId=ac013823-100a-4b92-bb7a-a891b7b113d1, "
        + "receiptHandle=AQEBtDp6D3AVkifVlrM/No2dtCxxazqQOGjFcNrUO2t0JLS0awsBMEEwPfbdwrLyrO8ovneeAs3LIr30kPsx/T7NDP3mAOnYfPAMswHf4hQxQS2H7XCFc5ii/fCNai9FdaV+I/281MCHswfWYhoQII6e+alGmkPuwXPjBvQG6PDsFh9OF+/B05MBYP2uGR4mPoBfAJinDbabyZ7QaTEkgeATgvrHB7OmF0AJaJi/cN8bioZ2W+54bTi5HOJPF/oyCScGOYdTjtSDtvc1L+GP3qm2cC2m5XQ05ziCF3S7LUhjN6Go9EGkn1K1BLQPI/EbkIr8fGOzCmvl3NzE222pAArn2UxNCztSAerkpSfPTVAM72AOygXYXVWosmRMo4E7uT0H, body={\r\n"
        + "  \"tenant\": \"https://example.com,us-east-1-oe-stg-001-lc000chart,us-east-1\"\r\n"
        + "}, attributes={ApproximateReceiveCount=455, "
        + "SentTimestamp=1722503530891, SenderId=AIDAQKVRD5OEBZLPV7XNP, "
        + "ApproximateFirstReceiveTimestamp=1722503535891}, messageAttributes={}, "
        + "md5OfBody=5a8e4022b9b9876a4c854e2a02d4c3b9, eventSource=aws:sqs, eventSourceARN=arn:aws:sqs:us-east-1:022920031112:teq, "
        + "awsRegion=us-east-1}]}";

Pattern pattern = Pattern.compile("\"tenant\": \\\"https://.*us-east-1");
Matcher matcher = pattern.matcher(URL);
if (matcher.find()) {
    System.out.println(matcher.group(0));
} else {
    System.out.println("Match not found");
}

正则解释 #

• "tenant\": \\\"：匹配目标起始的固定字符串（Java中需要转义双引号，所以用\"表示实际的"）
• .*：贪婪匹配任意字符，直到找到最远的us-east-1
• us-east-1：作为匹配的结束标记，确保截取到目标位置

内容的提问来源于stack exchange，提问作者user2315104