c# - 正则表达式 - 文件名中的版本

Question

对于要使用 RegEx 解析的文件，我有以下架构

[Custom/Random Name]_[MainVersion]_[MinorVersion].xls

目前我有以下 RegEx(失败)

(?<firstPart>.+)_(?<mainVersion>\d+)(|_(?<minorVersion>\d+))\.xls

当示例字符串为

Hello World_22_1.xls

结果是:

match.Groups["firstPart"].Value == "Hello World_22"
match.Groups["mainVersion"].Value == "1"
match.Groups["minorVersion"].Value == ""

但应该是

match.Groups["firstPart"].Value == "Hello World"
match.Groups["mainVersion"].Value == "22"
match.Groups["minorVersion"].Value == "1"

问题是我的“firstPart”的正则表达式允许任何带有“.+”的字符(包括“_”)所以它一直持续到最后一次出现“_” "，因为我可以像这样重写我的 RegEx

(?<firstPart>[^_]+)_(?<mainVersion>\d+)(|_(?<minorVersion>\d+))\.xls

但是如果文件名是这样的，这个 RegEx 将失败:

Hello_World_22_1.xls

导致:

match.Groups["firstPart"].Value == "World"
match.Groups["mainVersion"].Value == "22"
match.Groups["minorVersion"].Value == "1"

有没有办法向后验证字符串，因为我要找的东西总是在文件名的末尾？

RegEx 应该为这些字符串返回正确的值(为简单起见，我已将所需结果写入带有 [firstPart]/[mainVersion]/[minorVersion] 的大括号中)

Hello World_22_1.xls (Hello World/22/1)
Hello_World_22_1.xls (Hello_World/22/1)
Hello_World_22.xls (Hello_World/22/)
Hello_1_World_22_1.xls (Hello_1_World/22/1)
Hello_1_World_22.xls (Hello_1_World/22/)
Hello_33_2_World_22_1.xls (Hello_33_2_World/22/1)
Hello_22_1_World.xls (//) --> (Wouldnt mind if the your solutions would return Hello_22_1_World as firstPart)
33_22.xls (33/22/)
33_22_1.xls (33/22/1)

尝试反转输入的字符串，但这个“解决方案”非常值得怀疑

static void Main(string[] args)
{
    Console.WriteLine(TestRegEx("Hello World_22_1.xls", "Hello World", "22", "1"));
    Console.WriteLine(TestRegEx("Hello_World_22_1.xls", "Hello_World", "22", "1"));
    Console.WriteLine(TestRegEx("Hello_World_22.xls", "Hello_World", "22", ""));
    Console.WriteLine(TestRegEx("Hello_1_World_22_1.xls", "Hello_1_World", "22", "1"));
    Console.WriteLine(TestRegEx("Hello_1_World_22.xls", "Hello_1_World", "22", ""));
    Console.WriteLine(TestRegEx("Hello_33_2_World_22_1.xls", "Hello_33_2_World", "22", "1"));
    Console.WriteLine(TestRegEx("Hello_22_1_World.xls", "", "", ""));
    Console.WriteLine(TestRegEx("33_22.xls", "33", "22", ""));
    Console.WriteLine(TestRegEx("33_22_1.xls", "33", "22", "1"));

    Console.ReadLine();
}

private static bool TestRegEx(string str, string firstPart, string mainVersion, string minorVersion)
{
    var regEx = new Regex("slx\\.((?<minorVersion>\\d+)_|)(?<mainVersion>\\d+)_(?<firstPart>.+)");
    var reverseStr = new string(str.Reverse().ToArray());

    var match = regEx.Match(reverseStr);
    var x1 = new string(match.Groups["firstPart"].Value.Reverse().ToArray());
    var x2 = new string(match.Groups["mainVersion"].Value.Reverse().ToArray());
    var x3 = new string(match.Groups["minorVersion"].Value.Reverse().ToArray());

    return x1 == firstPart && x2 == mainVersion && x3 == minorVersion;
}

Answer 1

主要的问题肯定是开头的贪心点模式首先捕获了整个输入，然后回溯只产生最后的数字。为了能够使用可选组并获取它们的内容(如果有的话)，您需要使用带有点匹配模式的lazy 量词。

我建议使用

(?<firstPart>.+?)(?:_(?<mainVersion>\d+)(?:_(?<minorVersion>\d+))?)?\.xls

参见 regex demo

详细信息:

• (?<firstPart>.+?) - 由于惰性 +?，将匹配任何 0+ 个字符的“firstPart”分组尽可能少量词
• (?:_(?<mainVersion>\d+)(?:_(?<minorVersion>‌​\d+))?)? - 出现 1 次或 0 次:
  • _(?<mainVersion>\d+) - 一个 _和“mainVersion”组捕获一位或多位数字
  • (?:_(?<minorVersion>‌​\d+))? - 一个可选的序列
    • _ - 下划线
    • (?<minorVersion>‌​\d+) - 捕获 1 个以上数字的“minorVersion”组
• \.xls - 一个 .xls子串。

我更喜欢这个而不是 (?<firstPart>.+?)_(?<mainVersion>\d+)(?:_(?<minorVersion>\d+‌​))?\.xls正则表达式，因为后者不匹配 Hello_22_1_World.xls根本。如果您不需要匹配它，最后一个表达式可能更可取。