使用正则表达式从文本文件中提取文件名

Question

民间，

我不是正则表达式方面的专家，我已经在Google上搜索了我的问题，但没有找到解决方案。 如果有人找到另一个有相同问题的SO帖子，请随时指向该帖子。

题：

我得到了一个文本文件，其中许多字符都为html标签。 这些文本文件可能包含PDF文件名，如下所示。 我只想提取所有带有.pdf扩展名的PDF文件名。 请注意，这些PDF文件名不仅可以在<FILENAME>前缀之后，而且可以在文本文档字符串中的任何位置出现。

示例文字：

Example 1: <FILENAME>any_valid_characters_filename.pdf
Example 2: hello this is a good file abc-def_xyz-1.pdf

请注意，这里<FILENAME>是我的文本文档中的有效（html）标记。 我想提取文件名any_valid_characters_filename.pdf和abc-def_xyz-1.pdf 。 对于PDF文件名，这些有效字符可以是aZ ， AZ ， _ ， - . ， 0-9但不包括< ， >等特殊字符。

到目前为止我尝试过的是：

r'\b(\w+\.pdf)\b'
r'^\\(.+\\)*(.+)\.(.+)\.pdf$'
r'[^A-Za-z0-9_\.pdf]' 
r'[\\/:"*?<>|]+\.pdf'

和其他一些正则表达式表达式，但没有成功。

任何帮助，将不胜感激。 谢谢。

Answer 1

我认为以下表达式涵盖了您提到的所有内容：

r"([\w\d\-.]+\.pdf)"

因为它与一个字字符，数字字符，任何组合物相匹配-符号和一个. 符号后跟.pdf 。

Answer 2

能行吗？

\b[^\s<>]*?.pdf\b

它适用于您的示例： https : //regexr.com/43b8q

更新你的新请求之间没有空隙存在<FILENAME>和whatever.pdf ：

使用： \\b(?<![<>][\\s]|\\w)[\\w-]*?.pdf\\b

例如： https ： //regex101.com/r/O3kpQ4/2/