使用正則表達式從文本文件中提取文件名

Question

民間，

我不是正則表達式方面的專家，我已經在Google上搜索了我的問題，但沒有找到解決方案。 如果有人找到另一個有相同問題的SO帖子，請隨時指向該帖子。

題：

我得到了一個文本文件，其中許多字符都為html標簽。 這些文本文件可能包含PDF文件名，如下所示。 我只想提取所有帶有.pdf擴展名的PDF文件名。 請注意，這些PDF文件名不僅可以在<FILENAME>前綴之后，而且可以在文本文檔字符串中的任何位置出現。

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

請注意，這里<FILENAME>是我的文本文檔中的有效（html）標記。 我想提取文件名any_valid_characters_filename.pdf和abc-def_xyz-1.pdf 。 對於PDF文件名，這些有效字符可以是aZ ， AZ ， _ ， - . ， 0-9但不包括< ， >等特殊字符。

到目前為止我嘗試過的是：

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

和其他一些正則表達式表達式，但沒有成功。

任何幫助，將不勝感激。 謝謝。

Answer 1

我認為以下表達式涵蓋了您提到的所有內容：

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

因為它與一個字字符，數字字符，任何組合物相匹配-符號和一個. 符號后跟.pdf 。

Answer 2

能行嗎？

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

它適用於您的示例： https : //regexr.com/43b8q

更新你的新請求之間沒有空隙存在<FILENAME>和whatever.pdf ：

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

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