本文详解如何通过 java 正则表达式精准提取文件名中特定位置的中间段（如从 aa_bb_cc_20-300.tsv 提取 cc_20-300），涵盖模式设计原理、完整可运行代码、边界注意事项及替代方案建议。
本文详解如何通过 java 正则表达式精准提取文件名中特定位置的中间段（如从 aa_bb_cc_20-300.tsv 提取 cc_20-300），涵盖模式设计原理、完整可运行代码、边界注意事项及替代方案建议。
在 Java 文件处理场景中，常需从带分隔符（如下划线 _）和扩展名（如 .tsv）的文件名中提取结构化子串。例如，给定文件名 AA_BB_CC_20-300.tsv，目标是跳过前两段下划线分隔的部分（AA 和 BB），保留后续连续两段（CC_20-300），并剔除扩展名。此时，正则表达式是简洁且可控的解决方案。
核心正则模式为：
^[^_]+_[^_]+_([^_]+_[^_]+)\..*$
该模式含义分解如下：
- ^：字符串起始锚点；
- [^_]+：匹配一个或多个非下划线字符（即第一段，如 AA）；
- _：字面量下划线；
- [^_]+：第二段（如 BB）；
- _：第二个下划线；
- ([^_]+_[^_]+)：捕获组 1 —— 精确匹配“第三段 + 下划线 + 第四段”，即 CC_20-300；其中 [^_]+ 确保每段内部不含下划线，避免跨段误匹配；
- \.：转义的点号（.），匹配字面量 .（扩展名分隔符）；
- .*：匹配其后任意字符（扩展名，如 tsv）；
- $：字符串结束锚点。
✅ 完整可运行示例代码：
立即学习“Java免费学习笔记（深入）”；
import java.util.regex.Matcher;
import java.util.regex.Pattern;
public class FilenameExtractor {
public static void main(String[] args) {
String filename = "AA_BB_CC_20-300.tsv";
// 正则：跳过前两段下划线分隔内容，捕获第三+第四段，并忽略扩展名
String patternString = "^[^_]+_[^_]+_([^_]+_[^_]+)\..*$";
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: expected at least 4 underscore-separated parts before extension");
}
}
}⚠️ 重要注意事项：
- 该正则强依赖固定结构：要求文件名严格满足「至少 4 段下划线分隔内容 + 扩展名」（如 X_Y_Z_A.ext）。若实际数据存在变长（如 A_B_C_D_E.tsv），需调整捕获逻辑（例如改用 _(?:[^_]+_){n}([^_]+_[^_]+) 动态控制偏移）；
- 不推荐用于含多点扩展名（如 file.tar.gz）或无扩展名场景——应先用 FilenameUtils.getBaseName()（Apache Commons IO）或 Path.getFileName() 预处理；
- 性能敏感场景下，若格式高度稳定，可考虑 String.split("_") 配合数组索引（更直观、开销更低），但正则在复杂模式（如混合数字/字母/符号边界）中更具扩展性。
? 总结：正则表达式是处理结构化文件名切片的有力工具。本例中的模式兼顾准确性与可读性，通过锚点、否定字符类和精确捕获组，安全地剥离前缀与后缀，直达目标子串。实践中建议结合单元测试覆盖异常输入（空字符串、少于 4 段、缺失扩展名等），确保鲁棒性。
