如何编写Java正则表达式匹配三个链接并提取指定内容

需求说明 #

我之前实现了匹配两个特定下载链接的Java正则，现在需要扩展为匹配三个链接，并分别提取每个链接中的目标日期字符串：

• 链接1：https://downloads.test.test.testagain.tes/test-test/test/te25st24w/te43s5t25x/0twt42ts/test0218.pdf → 提取 0218
• 链接2：https://downloads.test.test.testagain.tes/test-test/test/te25st24w/te43s5t25x/0twt42ts/TestTes-09-05-2018.pdf → 提取 09-05-2018
• 链接3：https://downloads.test.test.testagain.tes/test-test/test/te25st24w/te43s5t25x/0twt42ts/01-01-18_Testt_Testing_ASB_Test_Final.pdf → 提取 01-01-18

原有正则代码：

String REGEX_LINK = "https:..downloads.test.test.testagain.tes.test-test.test.";
Pattern pattern = Pattern.compile( REGEX_LINK + ".[\\w*/]*.((\\d{2}-\\d{2}-)?\\d{4}).pdf" );

解决方案 #

调整正则以覆盖三种日期格式，同时修正原有正则的转义问题（原代码中的.未转义会匹配任意字符，导致匹配范围过大）：

最终实现代码 #

// 固定前缀部分，修正转义符确保匹配实际的域名和路径
String REGEX_PREFIX = "https://downloads\\.test\\.test\\.testagain\\.tes/test-test/test/te25st24w/te43s5t25x/0twt42ts/";
// 核心正则：捕获三种日期格式，使用非贪婪匹配避免过度匹配
Pattern pattern = Pattern.compile(REGEX_PREFIX + ".*?((?:\\d{2}-\\d{2}-)?(?:\\d{4}|\\d{2})).*?\\.pdf");

// 测试三个目标链接
String[] targetLinks = {
    "https://downloads.test.test.testagain.tes/test-test/test/te25st24w/te43s5t25x/0twt42ts/test0218.pdf",
    "https://downloads.test.test.testagain.tes/test-test/test/te25st24w/te43s5t25x/0twt42ts/TestTes-09-05-2018.pdf",
    "https://downloads.test.test.testagain.tes/test-test/test/te25st24w/te43s5t25x/0twt42ts/01-01-18_Testt_Testing_ASB_Test_Final.pdf"
};

for (String link : targetLinks) {
    Matcher matcher = pattern.matcher(link);
    if (matcher.find()) {
        System.out.println("提取结果：" + matcher.group(1));
    }
}

正则逻辑拆解 #

1. 前缀部分：将原有的模糊匹配https:..修正为精确转义的域名路径https://downloads\\.test\\.test\\.testagain\\.tes/...，避免误匹配其他无关链接。
2. 核心捕获组：((?:\\d{2}-\\d{2}-)?(?:\\d{4}|\\d{2}))
   • (?:\\d{2}-\\d{2}-)?：可选的MM-DD-前缀，使用非捕获组(?:...)减少不必要的分组
   • (?:\\d{4}|\\d{2})：匹配四位数字（0218或2018）或两位数字（18），同样用非捕获组优化
3. 非贪婪匹配：.*?确保匹配到日期后立即停止，不会跳过目标日期去匹配后续的无关字符。

运行输出 #

提取结果：0218
提取结果：09-05-2018
提取结果：01-01-18

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