获取所有唯一的文件名答案

【问题标题】：Get all unique file names获取所有唯一的文件名
【发布时间】：2019-09-02 17:12:20
【问题描述】：

首先，我是正则表达式的初学者。我有一个看起来像这样的字符串：

     my_folder/foo.xml::someextracontent
     my_folder/foo.xml::someextracontent
     another_folder/foo.xml::someextracontent
     my_folder/bar.xml::someextracontent
     my_folder/bar.xml::someextracontent
     my_folder/hello.xml::someextracontent

我想返回属于my_folder 的唯一XML 文件。所以正则表达式将返回：

my_folder/foo.xml
my_folder/bar.xml
my_folder/hello.xml

我查看了Extract All Unique Lines，这与我需要的很接近，但我不确定从那里去哪里。

我得到的最接近的尝试是(?sm)(my_folder\/.*?.xml)(?=.*\1)，它获取了所有重复项，但我想要相反，所以我尝试做一个否定的前瞻而不是(?sm)(my_folder\/.*?.xml)(?!.*\1)，但捕获组完全错误。

我的正则表达式中缺少什么？这是正则表达式的链接：https://regex101.com/r/ggY2RB/1

【问题讨论】：

欢迎来到 SO！好问题，尽管使用uniq 或其他实用程序可能会更好地完成这样的任务。您愿意接受非正则表达式解决方案吗？
感谢您的建议！不幸的是，这是在 java 中完成的，所以我不能这样做。我已经更新了标签以反映这一点。我只是想知道是否有只使用正则表达式的解决方案。否则我可以抓取所有文件名并将它们放入一个集合中
如果您使用的是 Java，只需使用 HashSet。我敢打赌它比正则表达式更快。

标签： java regex

【解决方案1】：

您可以使用负前瞻 (?! 来断言右侧的内容不是您在第 1 组中捕获的内容，而不是使用正向前瞻 (?=。

在您的模式中，您正在使用 (?s) 使点匹配换行符并使用非贪婪点开始 .*? 但您也可以使用与换行符或正斜杠不匹配的否定字符类。

如果文件夹还可以包含嵌套文件夹，您可以使用重复 0+ 次 1+ 空白字符后跟正斜杠的模式。

(?s)(my_folder/(?:[^/\n]+/)*[^/\n]+\.xml)::(?!.*\1)

(?s)
(抓拍群
- my_folder/ 字面上匹配
- (?:[^/\n]+/)* 重复 0+ 次而不是正斜杠或换行符后跟正斜杠
- [^/\n]+\.xml 匹配 1+ ot 正斜杠或换行符，后跟 .xml
)关闭捕获组
::(?!.*\1) 匹配 :: 然后断言右边的内容不包含第 1 组中捕获的内容

在 Java 中

String regex = "(?s)(my_folder/(?:[^/\\n]+/)*[^/\\n]+\\.xml)::(?!.*\\1)";

Regex demo | Java demo

【讨论】：

谢谢，那(?sm)(my_folder\/.*?.xml)(?!.*\1) 怎么不起作用？捕获组获取所有 XML 文件名，然后如果匹配 .*\1，则负前瞻应该排除匹配项，对吗？我的假设是 my_folder/test.xml::helloworld my_folder/test.xml 应该被排除在外，而是将其全部包含在捕获组中
那是由于不贪心的点星.*?如果匹配不上就会放弃位置直到匹配到。

【解决方案2】：

This RegEx 可能会帮助您找到您可能正在寻找的唯一字符串：

/(\w+\/\w+\.xml)(?![\s\S]*\1)/s

如果你只想匹配my_folder，你可以试试this：

 /(\my_folder\/\w+\.xml)(?![\s\S]*\1)/s

【讨论】：