本文详解如何在 java 中编写一个能**统一匹配带/不带尺寸提示的 markdown 链接**的正则表达式，通过非捕获组与可选分组实现条件捕获，确保有 `"icon"` 等修饰时提取值，无修饰时仍能完整匹配链接。

在将 Markdown 转换为 HTML 的过程中，常需解析形如 [text](url "size") 的链接语法。其中 "icon"、"small"、"medium"、"big" 是可选的尺寸提示（size hint），用于后续生成带 data-size 或 class 属性的 标签；而纯 [text](url) 形式也必须兼容。关键挑战在于：既要保证所有测试用例全部匹配，又要让尺寸字段仅在存在时被捕获为独立分组（group 3），不存在时不产生空捕获或匹配失败。

正确解法是使用非贪婪匹配 + 非捕获可选组（(?: ... )?），并把引号和空格纳入该组内部：

[(.*)]((.*?)(?:s+"(icon|small|medium|big)")?)

✅ 各部分解析如下：

OCR 文档识别转 Markdown（WiseOCR）

WiseOCR — 将 PDF 或图片文件转换为高质量 Markdown 文本，支持表格完整识别、多栏版式还原、中英文混排。适用场景：扫描件文字提取、纸质文档数字化、合同/报告/论文转文本、图片中文字提取。支持格式：PDF、JPG、JPEG、PNG、WEBP、GIF、BMP、TIFF。触发：用户上传文件并要求"帮我识别这个文件的文字"、"PDF转文字"、"图片转文本"、"帮我提取这个表格"——会调用本技能。说"用Wi

下载

• [(.*)]：匹配方括号内任意文本（如 link 1），(.*) 捕获为 group 1（链接文本）；
• ( 和 )：字面量匹配圆括号；
• (.*?)：非贪婪匹配 URL（.*?），避免跨过后续引号，捕获为 group 2（URL）；
• (?:s+"(icon|small|medium|big)")?：非捕获组，整体可选（?），内部包含：
  • s+：匹配一个或多个空白（含空格、制表符等，增强鲁棒性）；
  • "(icon|small|medium|big)"：精确匹配四种尺寸关键词，并用 (...) 捕获为 group 3；
• 未提供尺寸时，整个 (?:...) 不参与匹配，group 3 返回 null（Java）或未定义（其他语言），符合“条件捕获”需求。

⚠️ 重要注意事项：

• ❌ 错误写法 [(.*)]((.*)s*"(icon|small|medium|big)"?) 会导致：
  • .* 贪婪匹配吞掉引号前的空格甚至 URL 尾部；
  • "..."? 中的 ? 作用于引号而非整个尺寸部分，无法实现“整体可选”。
• ✅ 原答案中 .*?（非贪婪）是核心——它确保 URL 匹配在遇到第一个 " 或 ) 时即停止，为后续可选组留出位置；
• Java 中使用示例（Pattern + Matcher）：

  String regex = "\[(.*)]\((.*?)(?:\s+"(icon|small|medium|big)")?\)";
  Pattern pattern = Pattern.compile(regex);
  Matcher m = pattern.matcher("[link 1](https://aka.ms/aadrecoverykey "small")");
  if (m.find()) {
      String text = m.group(1); // "link 1"
      String url  = m.group(2); // "https://aka.ms/aadrecoverykey"
      String size = m.group(3); // "small"（若无尺寸，则为 null）
      // 构造 HTML：<a href="url" data-size="size">text</a>
  }

总结：条件捕获的本质不是“让分组变可选”，而是将可选内容封装进非捕获组中，并在组内定义真正需要提取的捕获子组。配合非贪婪量词，即可优雅支撑 Markdown 解析中常见的“有/无修饰符”双模匹配场景。