Question

我有一个用于从Windows Server拆分FTP目录列表的正则表达式，它将在一个案例中拆分字符串，而不是另一个案例。我不是正则表达式专家，并且想知道是否有人可以告诉我为什么其中一个将被拆分，另一个不会？

我想拆分字符串，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）将拆分

//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);

Answer 1

问题似乎在最后：\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\._\-]+)

将文件夹与＆＃34; new＆＃34;匹配和＆＃34; TONY＆＃34;

请参阅demo

但之后会有文字，\s*$与该文字不匹配，因为它只允许空格直到行尾。

Answer 2

我不确定使用split方法是不错的方法，我建议你使用match方法和命名的capture，但所有的目录列表都是输入字符串：

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：我已经尝试了解文件名/目录名的Microsoft规则，但我不是100％确定，随时可以改进这些字符类）

如果您需要确保所有行都是连续的（当您使用split方法时就是这种情况），您可以在模式的开头添加\G并\n?最后（在美元之后）。

最后一个字符类[^\S\n]*可能会替换为\r?（我无法测试，我不会使用Windows）和[ \t] {{1}或[ ]（我让你测试一下）。

Answer 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)*

你必须在最后一部分捕获\ s以避免分裂你的字符串。

在RegexHero上测试过。我不认为你在这个具体的例子中需要^和$。

正则表达式拆分一个字符串，但不拆分另一个字符串

3 个答案: