Java正则提取文件名中间部分技巧

本文深入讲解了如何在Java中运用正则表达式精准提取文件名的中间语义段（如从“AA_BB_CC_20-300.tsv”中稳定捕获“CC_20-300”），不仅剖析了兼顾可读性与严谨性的正则模式设计原理，还提供了开箱即用的完整示例代码，并针对实际开发中的扩展名兼容性、段数动态变化、空值防护及边界测试等关键痛点给出实用建议——无论你是想固化结构化命名规则，还是应对多变的文件格式，这篇干货都能帮你用一行正则替代脆弱的字符串切分，让文件解析更健壮、更可维护。

本文介绍如何在Java中通过正则表达式精准提取文件名的中间段（如从"AA_BB_CC_20-300.tsv"中提取"CC_20-300"），涵盖模式设计原理、完整可运行代码及关键注意事项。

本文介绍如何在Java中通过正则表达式精准提取文件名的中间段（如从"AA_BB_CC_20-300.tsv"中提取"CC_20-300"），涵盖模式设计原理、完整可运行代码及关键注意事项。

在实际文件处理场景中，常需从带分隔符（如下划线 _）和扩展名（如 .tsv）的文件名中提取特定语义段——例如保留倒数第二、三段组合，而剔除固定前缀与后缀。此时，硬编码 split() 易受段数变化影响，而正则表达式能以声明式方式精准定位目标结构。

正则模式解析

针对示例文件名 AA_BB_CC_20-300.tsv，目标是提取 CC_20-300，即：跳过前两个下划线分隔段，捕获后续直到点号前的所有内容。推荐正则模式为：

^[^_]+_[^_]+_([^_]+_[^_]+)\\..*$

• ^：字符串起始锚点
• [^_]+：匹配一个或多个非下划线字符（即第一段 AA）
• _：字面量下划线
• [^_]+：第二段 BB
• _：第二个下划线
• ([^_]+_[^_]+)：捕获组，匹配“非下划线段 + 下划线 + 非下划线段”，即 CC_20-300（注意：20-300 中的 - 属于 [^_]+ 允许的字符）
• \\.：字面量点号（需转义）
• .*：匹配扩展名剩余部分（如 tsv）
• $：字符串结束锚点

该模式强约束了结构：必须以两段前缀开头、紧接目标段（含一个下划线）、再以点号分隔扩展名。

完整实现代码

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

public class FilenameExtractor {
    public static void main(String[] args) {
        String filename = "AA_BB_CC_20-300.tsv";
        // 正则：跳过前两段，捕获第三、四段（含中间下划线），忽略扩展名
        String patternString = "^[^_]+_[^_]+_([^_]+_[^_]+)\\..*$";

        Pattern pattern = Pattern.compile(patternString);
        Matcher matcher = pattern.matcher(filename);

        if (matcher.find()) {
            String extracted = matcher.group(1); // 获取捕获组内容
            System.out.println("Extracted: " + extracted); // 输出：CC_20-300
        } else {
            System.err.println("Filename format mismatch: '" + filename + "'");
        }
    }
}

注意事项与健壮性建议

• ✅ 扩展名兼容性：模式中的 \\..*$ 可匹配任意扩展名（.csv, .txt 等），无需修改。
• ⚠️ 段数严格性：当前模式要求文件名恰好包含4段主内容（AA/BB/CC/20-300）。若实际数据段数不固定（如 X_Y_Z_A_B.tsv），应改用更灵活策略：

  // 示例：提取最后两段（推荐用于动态段数）
  String flexiblePattern = "^(?:[^_]+_){2}((?:[^_]+_)*[^_]+)\\..*$";
  // 或直接用 split() + 数组索引（更易读）：
  String[] parts = filename.substring(0, filename.lastIndexOf('.')).split("_");
  if (parts.length >= 2) {
      String result = String.join("_", parts[parts.length-2], parts[parts.length-1]);
  }

• ? 空值防护：生产环境务必检查 matcher.find() 结果，避免 group(1) 抛出 IllegalStateException。
• ? 测试覆盖：建议补充边界用例验证，如 A_B_C_D_E.log（应失败）、AA_BB_CC.tsv（应失败，因目标段不足）。

掌握此正则逻辑后，您可根据业务需求快速调整捕获组范围——例如提取最后三段，只需将 ([^_]+_[^_]+) 改为 ([^_]+_[^_]+_[^_]+)。正则不是银弹，但对结构化文件名处理，它提供了简洁、高效且可复用的解决方案。

终于介绍完啦！小伙伴们，这篇关于《Java正则提取文件名中间部分技巧》的介绍应该让你收获多多了吧！欢迎大家收藏或分享给更多需要学习的朋友吧~golang学习网公众号也会发布文章相关知识，快来关注吧！