使正则表达式准确匹配点文件

Question

所以我已经达到了我的正则表达式能力的极限。我在这里有一个 python 正则表达式来匹配文件路径或文件 uri 与各个部分的命名捕获组。它似乎是工作文件，除了点文件。

MATCH_PATH = re.compile(
    r"^(?P<uri>file://)?" +             # optional file uri
    r"(?P<path>(?:/?[A-Z]{1}:)?" +      # start of path capture, optional windows top-level directory
    r"[\\/]?" +                         # optional start separator
    r"(?:[\w \-\.]+[\\/])+)" +          # path
    r"(?P<filename>[\w \-]+)?" +        # optional filename
    r"\.?(?P<extension>[a-zA-Z0-9]+)?$" # extension optional
)

我可以让它在扩展部分的. 之后通过removing the optional qualifier ? 匹配点文件，但是它不能匹配没有扩展名的文件（例如makefile）或目录。我尝试放置non-capturing group around the dot and the extension group with the optional qualifier，但没有成功：扩展名与文件名分组。我可以调整它以在所有情况下正确匹配扩展名和名称，同时仍然匹配目录吗？

应匹配的输入示例：

/foo/bar.txt
/foo/bar/
/foo/makefile
./foo.txt
/foo/._bar.txt
foo/bar.txt
D:\foo\bar.m3u
file:///var/www/html/index.html
file:///C:/users/me/My Documents/index.html

更新

还需要正确匹配

/foo/bar.tar.gz
/foo/._bar.tar.gz

扩展名为tar.gz，名称分别为bar 和._bar。如果这对于正则表达式来说太复杂了，请告诉我，我可以编写程序代码来拆分和处理。

Answer 1

您可以很好地在前瞻中使用命名的捕获组，如下所示：

^
(?P<uri>file://)?
(?P<path>(?:/?[A-Z]{1}:)?           # start of path capture, optional windows top-level directory
[\\/]?                              # optional start separator
(?:[-. \w]+[\\/])+)                 # path
(?P<filename>\.?[^.]+?(?=\.(?P<extension>.+$)|$))?

见a demo on regex101.com。

---

我唯一改变的是filename组：

(?P<filename>\.?[^.]+?(?=\.(?P<extension>.+$)|$))

它使用带有正向前瞻的惰性点星，查找.some_extension（然后将其保存到extension）或行尾。

Answer 2

我设法对其进行了一些清理，并让正则表达式与您的所有示例数据相匹配。 Here 是否有测试环境，因此您可以看到它与不同的捕获组一起工作。

^(?P<uri>file:\/\/\/)?
(?P<path>(?:\/|\\|\.)?(?:[A-Z]:(?:\/|\\))?(?:[\w \-\.]+[\/\\])+)
(?P<file>\.?[\_\w ]+)?
(?P<extension>\.[\w\d]+)?$

我认为您所拥有的主要问题是您没有将前面的. 包含在file 捕获组中的可能性。为了解决这个问题，我将它添加为 . 之前的可选 file 组并解决了这个问题。

我所做的另一个小改动是将扩展程序前面的 . 包含在 extension 组中，但如果您愿意，可以进行更改。