如何使用正则表达式提取两个相同边界词之间的子字符串

本文介绍如何在 java 中精准提取位于**两个相同完整单词边界之间**的子字符串（如从 `"this is an example... is"` 中提取 `"an example to extract sentence between"`），并给出基于 `pattern` 和 `matcher` 的可靠正则方案，兼顾单词完整性与可读性。

要实现“以同一个单词作为起始和结束边界，提取中间内容”的需求，关键在于区分单词边界（word boundary）与子串匹配。原始代码失败的根本原因是：indexOf() 仅做朴素字符串查找，会将 "is" 在 "this" 中误匹配为起始位置，且未保证第二次出现的 "is" 是独立单词——导致 startIndex 和 endIndex 定位错误，最终截取到空或无效结果。

正确解法应使用正则表达式的单词边界断言（\b）配合环视（lookaround），确保只匹配作为独立单词出现的起始和结束标记。以下是推荐实现：

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

public class SubstringExtractor {
    public static String extractBetweenSameWord(String text, String word) {
        if (text == null || word == null) return null;
        // 构建正则：(?<=\bword\b) 向前看，要求左侧是完整单词；(?=\bword\b) 向后看，要求右侧是完整单词
        String regex = "(?<=\\b" + Patte
rn.quote(word) + "\\b)(.*?)(?=\\b" + Pattern.quote(word) + "\\b)";
        Pattern pattern = Pattern.compile(regex);
        Matcher matcher = pattern.matcher(text);
        return matcher.find() ? matcher.group(1).trim() : null;
    }

    public static void main(String[] args) {
        String originalString = "this is an example to extract sentence between is";
        String result = extractBetweenSameWord(originalString, "is");
        System.out.println(result); // 输出：an example to extract sentence between
    }
}

✅ 关键设计说明：

• Pattern.quote(word)：自动转义 word 中可能存在的正则元字符（如 "." 或 "*"），提升健壮性；
• \\b：单词边界，确保 "is" 不会匹配 "this" 或 "ising"；
• (.*?)：非贪婪捕获组，精确提取两边界间的最短有效内容；
• trim()：去除首尾空白，使结果更符合自然语义。

⚠️ 注意事项：

• 该方法默认只匹配第一次成功闭合的区间（即首个起始词到其后最近的有效结束词）。若文本中存在嵌套或重叠（如 "is a is b is"），需根据业务逻辑调整策略（例如改用 while(matcher.find()) 遍历所有匹配）；
• Java 标准库（含 Apache Commons Lang 3.x）无直接支持此类“同词首尾提取”的工具方法，StringUtils.substringBetween() 仅支持不同起止符（如 substringBetween(str, "[", "]")），不适用于本场景；
• 若需忽略大小写，可在 Pattern.compile(regex, Pattern.CASE_INSENSITIVE) 中添加标志。

综上，正则环视 + 单词边界是解决该问题最简洁、准确且可复用的方式，无需引入额外依赖，完全兼容 Java 8+。