获取所有唯一的文件名

Question

首先，我是regex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my_folder中的唯一XML文件。因此正则表达式将返回：

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

我看过Extract All Unique Lines，它很接近我的需求，但我不确定从那里去哪里。

我最接近的尝试是(?sm)(my_folder\/.*?.xml)(?=.*\1)，它获得了所有重复项，但是我想要相反的选择，所以我尝试进行负向前瞻而不是(?sm)(my_folder\/.*?.xml)(?!.*\1)，但是捕获组完全错误。

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

Answer 1

This RegEx可能会帮助您找到所需的唯一字符串：

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

如果您只想匹配my_folder，则可以尝试this：

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

Answer 2

除了使用正向前行(?=来获取唯一的字符串，还可以使用负向前行(?!来断言右边的内容不是您在第1组中捕获的内容。

在您的模式中，您正在使用(?s)使点与换行符匹配，并使用非贪心的点开始.*?，但是您也可能使用与换行符或反斜杠匹配的否定字符类

如果该文件夹还可以包含嵌套文件夹，则可以使用一种模式，该模式重复0+乘以1+空格字符，后跟一个正斜杠。

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

• (?s)
• (捕获组
  • my_folder/字面上匹配
  • (?:[^/\n]+/)*重复0次以上，而不是正斜杠或换行符，后跟正斜杠
  • [^/\n]+\.xml匹配1+或正斜杠或换行符，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