python - 用于提取文件路径（不是 url）的通用正则表达式

问题描述

我正在尝试使用 Python 从文件中解析 url 和文件路径。我已经有一个 url 正则表达式。

问题

我想要一个从字符串中提取文件路径的正则表达式模式。要求：

独占（不包括网址）
独立于操作系统，即 Windows 和 UNIX 风格的路径，例如 ( C:\, \\, /)
所有路径类型，即绝对和相对路径，例如 ( /, ../)

请通过修改下面的尝试或建议改进的模式来提供帮助。

试图

这是我到目前为止的正则表达式：

(?:[A-Z]:|\\|(?:\.{1,2}[\/\\])+)[\w+\\\s_\(\)\/]+(?:\.\w+)*

描述

(?:[A-Z]:|\\|(?:\.{1,2}[\/\\])+): 任何前面的驱动器号、反斜杠或虚线路径
[\w+\\\s_\(\)\/]+: 任何类似路径的字符 - 字母数字、斜杠、括号、下划线...
(?:\.\w+)*: 可选扩展

结果

re注意：我已经使用字符串和模块的输入列表在 Python 中确认了这些结果。

预期的

这个正则表达式满足了我的大部分要求——即在提取大多数文件路径时排除 url。但是，我想匹配所有路径（包括以单斜杠开头的 UNIX 样式路径，例如/foo/bar.txt）而不匹配 url。

研究

我还没有找到一个通用的解决方案。大多数工作倾向于满足特定情况。

所以帖子

外部站点

标签： pythonregex

您可以将问题拆分为 3 种替代模式：（ 请注意，我没有为路径/文件名实现所有字符排除）

未引用的 Windows 路径
引用的 Windows 路径
Unix路径

这会给出这样的结果：

((((?<!\w)[A-Z,a-z]:)|(\.{1,2}\\))([^\b%\/\|:\n\"]*))|("\2([^%\/\|:\n\"]*)")|((?<!\w)(\.{1,2})?(?<!\/)(\/((\\\b)|[^ \b%\|:\n\"\\\/])+)+\/?)

分解：

Wind-Non-Quoted: ((((?<!\w)[A-Z,a-z]:)|(\.{1,2}\\))([^\b%\/\|:\n\"]*))
Wind-Quoted:     ("\2([^%\/\|:\n\"]*)")
Unix:            ((?<!\w)(\.{1,2})?(?<!\/)(\/((\\\b)|[^ \b%\|:\n\"\\\/])+)+\/?)


Wind-Non-Quoted:
    prefix: (((?<!\w)[A-Z,a-z]:)|(\.{1,2}\\))
         drive: ((?<!\w)[A-Z,a-z]:) *Lookback to ensure single letter*
      relative: (\.{1,2}\\))
      path: ([^\b%\/\|:\n\"]*))     *Excluding invalid name characters (The list is not complete)*

Wind-Quoted:
    prefix: \2                *Reuses the one from non-Quoted*
      path: ([^%\/\|:\n\"]*)  *Save as above but does not exclude spaces*

Unix:
    prefix: (?<!\w)(\.{1,2})?                . or .. not preceded by letters
      path: (?<!\/)                          repeated /name (exclusions as above)
            (\/((\\\b)|[^ \b%\|:\n\"\\\/])+) not preceded by /
            \/?                              optionally ending with /

            *(excluding the double slashes is intended to prevent matching urls)*

python - 用于提取文件路径（不是 url）的通用正则表达式

问题描述

解决方案

推荐阅读