Java正则分组排除下划线实现Excel文件名匹配分组需求

你现在需要从table_A_Apr_2000.xlsx这类格式的Excel文件名里，用正则分组得到[table_A, Apr, 2000, .xlsx]，还要排除中间的下划线对吧？你的现有正则用了分支匹配，没法精准捕获你要的四个分组，我来给你调整一下：

核心思路 #

我们要精准匹配文件名的固定结构：固定前缀_月份_年份.后缀，把每个目标部分设为单独的捕获组，同时跳过作为分隔符的下划线。

正确的正则表达式 #

Pattern p = Pattern.compile("^(" + table + ")_([A-Za-z]+)_([0-9]+)(\\.[a-zA-Z0-9]+)$");

各部分含义：

• ^(" + table + ")：捕获第一组，也就是你定义的固定前缀table_A，^确保从字符串开头匹配
• _：匹配分隔用的下划线，但不将其放入捕获组
• ([A-Za-z]+)：第二组，捕获月份（比如Apr），匹配任意大小写字母
• _：再次匹配分隔下划线，不捕获
• ([0-9]+)：第三组，捕获年份（比如2000），匹配数字
• (\\.[a-zA-Z0-9]+)$：第四组，捕获文件后缀（比如.xlsx），$确保匹配到字符串结尾，转义的.匹配真实的点号

完整Java代码示例 #

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

public class FilenameParser {
    public static void main(String[] args) {
        String table = "table_A";
        String[] slist = {"table_A_Apr_2001.xlsx", "table_A_Jan_2023.xlsx"};
        // 构造符合需求的正则表达式
        Pattern p = Pattern.compile("^(" + table + ")_([A-Za-z]+)_([0-9]+)(\\.[a-zA-Z0-9]+)$");
        
        for (String fileName : slist) {
            Matcher m = p.matcher(fileName);
            List<String> result = new ArrayList<>();
            if (m.find()) {
                // 依次取出四个捕获组的内容
                result.add(m.group(1));
                result.add(m.group(2));
                result.add(m.group(3));
                result.add(m.group(4));
                System.out.println("提取结果：" + result);
            } else {
                System.out.println("文件名格式不匹配：" + fileName);
            }
        }
    }
}

运行这段代码，就能得到你想要的分组结果：[table_A, Apr, 2001, .xlsx]。

为什么原正则无法满足需求？ #

你之前的正则^"+table+"|\\d+|\\D+|[^_]*用了分支运算符|，这意味着正则会尝试匹配任意一个分支，而不是按顺序捕获完整的文件名结构。比如它可能先匹配table_A，再单独匹配Apr，接着匹配2001，最后匹配.xlsx，过程中可能捕获到多余内容，还无法保证严格符合文件名的格式规则，很容易出现匹配错误。

内容的提问来源于stack exchange，提问作者Sid