Java基于正则表达式从文件行提取primaryKey和国家字段实现方案

需求规则 #

• 从指定文本文件逐行读取内容，每行提取primaryKey、3位大写国家代码country两个字段
• 单行样例文本：
  bla,bla42bla()bla=bla+blablaprimaryKey="(ZAPDBHV7120D41A,USA,blablablablablabla
• 匹配规则：
  • 每行有且仅有1组目标字段，位置不固定，可出现在行首、行中、行尾
  • primaryKey无固定长度，仅由大写英文字母[A-Z]、数字[0-9]组成
  • 目标字段固定前缀为primaryKey="(，前缀后拼接顺序为：primaryKey值 → 英文逗号 → 3位大写country值 → 英文逗号

输入输出样例 #

输入 #

bla,bla42bla()bla=bla+blablaprimaryKey="(ZAPDBHV7120D41A,USA,blablablablablabla
bla++blabla()bla=bla+blablaprimaryKey="(AA45555DBMW711DD4100,ARG,bla
[...]

期望输出 #

The primaryKey is ZAPDBHV7120D41A
The country is USA

The primaryKey is AA45555DBMW711DD4100
The country is ARG

完整实现代码 #

核心正则为primaryKey="\(([A-Z0-9]+),([A-Z]{3}),，通过两个捕获组分别提取primaryKey和country值。注意不要用Pattern.matches()（该方法要求整行完全匹配正则，无法匹配行内子串），改用Matcher.find()扫描行内符合规则的片段。

import java.io.BufferedReader;
import java.io.FileReader;
import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class RegexExtract {
    // 预编译正则，避免循环内重复编译影响性能
    private static final Pattern FIELD_PATTERN = Pattern.compile("primaryKey=\"\\(([A-Z0-9]+),([A-Z]{3}),");

    public static void main(String[] args) throws Exception {
        final String targetFile = "my_file.txt";
        try (BufferedReader br = new BufferedReader(new FileReader(targetFile))) {
            String line;
            while ((line = br.readLine()) != null) {
                Matcher matcher = FIELD_PATTERN.matcher(line);
                String primaryKey = "";
                String country = "";
                if (matcher.find()) {
                    primaryKey = matcher.group(1);
                    country = matcher.group(2);
                }
                System.out.printf("The primaryKey is %s%nThe country is %s%n%n", primaryKey, country);
            }
        }
    }
}

代码说明：正则中(属于特殊字符需要转义，Java字符串中转义字符需要用双反斜杠；将Pattern定义为静态常量预编译，是逐行大文件读取场景下的标准性能优化写法。

内容的提问来源于stack exchange，提问作者PatPanda