我正在尝试解析维基百科页面，需要使用正则表达式提取页面的特定部分。在下面的数据中，我只需要提取{{Infobox…}}部分中的数据。
{{Infobox XC Championships
|Name = Senior men's race at the 2008 IAAF World Cross Country Championships
|Host city = [[Edinburgh]], [[Scotland]], [[United Kingdom]] {{flagicon|United Kingdom}}
|Location = [[Holyrood Park]]
|Nations participating = 45
}}
2008.<ref name=iaaf_00>
{{ Citation
| last =
| publisher = [[IAAF]]
}}
所以在上面的例子中，我只需要提取
Infobox XC Championships
|Name = Senior men's race at the 2008 IAAF World Cross Country Championships
|Host city = [[Edinburgh]], [[Scotland]], [[United Kingdom]] {{flagicon|United Kingdom}}
|Location = [[Holyrood Park]]
|Nations participating = 45
请注意，{{Infobox…}}部分中可能有嵌套的 {{ }} 字符。我不想省略它。
下面是我的正则表达式：
\\{\\{Infobox[^{}]*\\}\\}
但是好像不管用。请帮帮忙。谢谢！
由于infobox部分的格式，实际上可以为此使用正则表达式。
技巧是，您甚至不需要处理嵌套的{{…}}元素，因为它们中的每一个都将在自己的行中以|开头。
{{(Infobox.*\r\n(?:\|.*\r\n)+)}}
Debuggex演示
{{ start of the string
(Infobox start of the capturing group
.*\r\n any characters until a line break appears
(?:
\| line has to start with a |
.*\r\n any characters until a line break appears
)
+ the non-capturing group can occur multiple times
) end of capturing group
}}
因此，在Infobox-部分中，您只需匹配以|开头的行，直到弹出}}。
您可能必须根据您的平台/语言尝试\r\n。Debuggex对\r\n没问题，但regex101.com只会在\n上匹配
不要使用正则表达式…遵循此算法
1
2
3
4
