一種使用RegEx在字符串中查找一組文件名路徑的方法

Question

早上好家伙

有沒有一種在C＃中使用正則表達式的好方法，以便在string變量中查找所有文件名及其路徑？

例如，如果您有此字符串：

string s = @"Hello John

these are the files you have to send us today: <file>C:\Development\Projects 2010\Accounting\file20101130.csv</file>, <file>C:\Development\Projects 2010\Accounting\orders20101130.docx</file>

also we would like you to send <file>C:\Development\Projects 2010\Accounting\customersupdated.xls</file>

thank you";

結果將是：

C:\Development\Projects 2010\Accounting\file20101130.csv
C:\Development\Projects 2010\Accounting\orders20101130.docx
C:\Development\Projects 2010\Accounting\customersupdated.xls

編輯：考慮到@Jim的內容，我編輯了字符串添加標簽，以便更容易從字符串中提取所需的文件名！

Answer 1

這是我想出來的：

using System;
using System.Text.RegularExpressions;

public class Test
{

    public static void Main()
    {
        string s = @"Hello John these are the files you have to send us today: 
            C:\projects\orders20101130.docx also we would like you to send 
            C:\some\file.txt, C:\someother.file and d:\some file\with spaces.ext  

            Thank you";

        Extract(s);

    }

    private static readonly Regex rx = new Regex
        (@"[a-z]:\\(?:[^\\:]+\\)*((?:[^:\\]+)\.\w+)", RegexOptions.IgnoreCase);

    static void Extract(string text)
    {
        MatchCollection matches = rx.Matches(text);

        foreach (Match match in matches)
        {
            Console.WriteLine("'{0}'", match.Value);
        }
    }

}

產生:(見ideone ）

'C:\projects\orders20101130.docx', file: 'orders20101130.docx'
'C:\some\file.txt', file: 'file.txt'
'C:\someother.file', file: 'someother.file'
'd:\some file\with spaces.ext', file: 'with spaces.ext'

正則表達式不是非常強大（它確實做了一些假設）但它也適用於您的示例。

---

如果您使用<file>標簽，這是該程序的一個版本。 將正則表達式和Extract更改為：

private static readonly Regex rx = new Regex
    (@"<file>(.+?)</file>", RegexOptions.IgnoreCase);

static void Extract(string text)
{
    MatchCollection matches = rx.Matches(text);

    foreach (Match match in matches)
    {
        Console.WriteLine("'{0}'", match.Groups[1]);
    }
}

也可以在ideone上使用 。

Answer 2

如果您對文件名要求設置了一些限制，則可以使用與此類似的代碼：

string s = @"Hello John

these are the files you have to send us today: C:\Development\Projects 2010\Accounting\file20101130.csv, C:\Development\Projects 2010\Accounting\orders20101130.docx

also we would like you to send C:\Development\Projects 2010\Accounting\customersupdated.xls

thank you";

Regex regexObj = new Regex(@"\b[a-z]:\\(?:[^<>:""/\\|?*\n\r\0-\37]+\\)*[^<>:""/\\|?*\n\r\0-\37]+\.[a-z0-9\.]{1,5}", RegexOptions.IgnorePatternWhitespace|RegexOptions.IgnoreCase);
MatchCollection fileNameMatchCollection = regexObj.Matches(s);
foreach (Match fileNameMatch in fileNameMatchCollection)
{
    MessageBox.Show(fileNameMatch.Value);
}

在這種情況下，我將擴展名限制為1-5個字符。 您顯然可以使用其他值或進一步限制文件擴展名中允許的字符。 有效字符列表取自MSDN文章命名文件，路徑和命名空間 。

Answer 3

如果您使用<file>標簽，並且最終文本可以表示為格式良好的xml文檔（就內部xml而言，即沒有根標簽的文本），您可能可以：

var doc = new XmlDocument();
doc.LoadXml(String.Concat("<root>", input, "</root>"));

var files = doc.SelectNodes("//file"):

要么

var doc = new XmlDocument();

doc.AppendChild(doc.CreateElement("root"));
doc.DocumentElement.InnerXml = input;

var nodes = doc.SelectNodes("//file");

這兩種方法都很有效，並且是高度面向對象的，尤其是第二種方法。

並將帶來更多的性能。

另請參閱 - 不要使用RegEx解析（X）HTML