正则表达式拆分一个字符串，但不拆分另一个答案

【问题标题】：Regex splits one string, but not the other正则表达式拆分一个字符串，但不拆分另一个
【发布时间】：2014-05-15 09:44:21
【问题描述】：

我有一个用于从 Windows 服务器拆分 FTP 目录列表的正则表达式，它会在一种情况下拆分字符串，而不是另一种情况。我不是正则表达式专家，想知道是否有人可以告诉我为什么其中一个会被拆分，而另一个不会？

我希望它拆分字符串，所以我有以下组件：

 DateTime
 IsDirectory/IsFile  (<DIR> is present or not)
 Size
 FileName

(1) 不会拆分字符串，(2) 会拆分

//05-14-14  11:29AM                    0 New Text Document.txt (1)
//05-12-14  12:17PM       <DIR>          TONY (2)

string directorylisting = "05-14-14  11:29AM                    0 New Text Document.txt";
string regex = @"^(\d\d-\d\d-\d\d)\s+(\d\d:\d\d(AM|PM))\s+(<DIR>)?\s+(\d*)\s+([\w\._\-]+)\s*$";
var split = Regex.Split(directorylisting, regex);

【问题讨论】：

那么，您拆分的确切标准是什么？如果您解释一下，将更容易找到正确的正则表达式：p
@Kilazur 我更新了我的问题

标签： c# regex split

【解决方案1】：

我不确定这里使用 split 方法是不是好方法，我建议你使用 match 方法和命名捕获但所有目录列表都作为输入字符串：

string pattern = @"(?mx)^
    (?<date> [0-9]{2}(?:-[0-9]{2}){2} ) [ \t]+
    (?<time> [0-9]{2}:[0-9]{2}[AP]M   ) [ \t]+ 
    (?:
        (?<isDir>    <DIR>  )
      |
        (?<filesize> [0-9]+ )
    ) [ \t]+
    (?(isDir)
        (?<dirname>  [^<>*|"":/\\?\u0001-\u001f\n\r]{1,32768}? )
      |
        (?<filename> [^<>*|"":/\\?\u0001-\u001f\n\r]{1,32768}? )
    ) [^\S\n]* $";

foreach (Match m in Regex.Matches(listing, pattern)) {
    // for each line you can test the group isDir to know if it is 
    // a directory or not
}

（注意：我尝试了解 Microsoft 的文件名/目录名规则，但我不是 100% 确定，请随时改进这些字符类）

如果你需要保证所有的行都是连续的（使用split方法时就是这种情况），你可以在模式的开头加上\G，在结尾加上\n?（在美元之后） .

最后一个字符类[^\S\n]* 可能替换为\r?（我无法测试，我不使用Windows）和[ \t] 替换为[ ] 或\t（我让你测试它） )。

【讨论】：

【解决方案2】：

问题似乎到了最后：\s*$

正则表达式的早期部分，即

^(\d\d-\d\d-\d\d)\s+(\d\d:\d\d(AM|PM))\s+(<DIR>)?\s+(\d*)\s+([\w\._\-]+)

将文件夹匹配到“new”和“TONY”

见demo

但之后有文本，\s*$ 不会匹配该文本，因为它只允许空格到行尾。

【讨论】：

解决了这个问题，所以现在它拆分了字符串 (1)，但是我将如何防止它将“New Text Document.txt”拆分为“New”和“Text Document.txt” ?
你只需要捕获 \s ： (\d\d-\d\d-\d\d)\s+(\d\d:\d\d(AM|PM ))\s+()?\s+(\d*)\s+([\w\._\-]+\s)*
@TonyTheLion Kilazur 所说的，例如。您有很多选择可以到达字符串的末尾。例如 demo 中的 [^\n]* 看起来你正在创建捕获组（不知道为什么，因为你想拆分？）所以你必须决定它是否属于我们的括号外。
@TonyTheLion 我的意思是如果你只想匹配行，这可以替换你的整个正则表达式。 ^[^\n]* ...但大概你知道目录应该是什么样子（时间戳等）

【解决方案3】：

正确的正则表达式是

(\d\d-\d\d-\d\d)\s+(\d\d:\d\d(AM|PM))\s+(<DIR>)?\s+(\d*)\s+([\w\._\-]+\s)*

您必须在最后一部分捕获 \s 以避免拆分字符串。

在RegexHero 上测试。我认为在这个特定示例中您不需要 ^ 和 $。

【讨论】：