如何编写排除某些文件后缀的正则表达式？

Question

我正在看这里给出的教程： -

https://docs.python.org/2/howto/regex.html#lookahead-assertions

我想排除以.pqr.gz结尾的文件，我不太清楚该怎么做。

例如，预期的行为是： -

f1.gz => succeed
f1.abc.pqr => succeed
f1.pqr.gz => fail
f1.abc.gz => succeed

我能想到的最好的正则表达式是： -

r'.*[.](?=[^.]*[.][^.]*)(?!pqr[.]gz$)[^.]*[.][^.]*$'

这会排除以.pqr.gz结尾的文件，但不允许使用仅为f1.gz的文件（例如我上面写的第一个案例）。

关于如何改进这一点的任何想法？

编辑： - 有更好的方法可以做到这一点（例如，使用string.endswith），但我很好奇如何使用正则表达式纯粹作为练习。

Answer 1

好吧，TBH，你对正则表达式的使用对我来说似乎有些过分。你可以这样做：

if not '.pqr.gz' in line:
    print(line)

并完成。

实际上，“简单”的字符串操作可以在一些简单的操作中完成很多操作，例如：

for line in lines:
    file, result = line.split(' => ')
    if file.endswith('.pqr.gz'):
        print("Skipping file {}".format(file), file=sys.stderr)
        continue
    print(file)
    # and you could do something if result == "success" there after!

因为你坚持用regexp来做这件事：

这是您当前的正则表达式

这是一个灵感来自@rawing建议的解决方案：

.*(?<!\.pqr\.gz) =>

Answer 2

使用Python的re模块需要注意的一点是re.match隐式锚定到字符串的开头。

此外，您可以通过转义它们来匹配文字句点（\.），这可能比将它放在字符类中更容易阅读（并且可能更快）。

对于re.match，以下正则表达式应该可以解决问题：

r'.*\.pqr\.gz$'

如果使用re.search代替，正则表达式可以简化为：

r'\.pqr\.gz$'