正则表达式需要匹配从文件名派生文件路径的文件路径。

Question

我有一个包含超过800万个文件的驱动器，它是CRM系统的文件存储区域。这些文件以特定的格式存储，并且每个文件都应该在数据库中具有匹配的记录。然而，由于一些非常差的安全性，世界和妻子也一直在同一个驱动器上创建文件。我的任务是确定使用Powershell和正则表达式的无效文件。 典型有效的文件路径将会是这个样子：

P:\PERSON\06\19\09\619090.5577930.DOC 

所有文件都被称为P驱动的：它包含四个子目录叫：事件OPPORTUN，ORGANISA或个人。其中每一个都包含可变数目的子目录，名称范围从00到99，文件名是由句点分隔的两组数字，后跟扩展名。

我使用匹配这个模式的正则表达式是：

^P:\\(EVENT|OPPORTUN|ORGANISA|PERSON)\\(\d{2}\\)+\d+\.\d+\.\w{3,4}$ 

并发症是有效的文件也具有第一组中的文件名数字，这是子目录路径之间的关系这个：

删除最后一位数字。

如果数字的长度现在是奇数，则添加前导零。

将结果数字分成两对，应该是路径。

因此，使用上面的例子：

第一组数字是：619090

删除最后一个数字：61909

的长度为奇数，以便添加一个前导零：061909

划分成对：06 \ 19 \ 09

我的问题是这个逻辑可以合并到我的正则表达式中，有没有办法使用forward或b ack参考？

Answer 1

杰里的回答指出我正确的方向，并发现你可以捕获包含在非捕获组中的组。下面是我的正则表达式连同几个测试：

$samples = @() 
$samples += 'P:\PERSON\06\19\09\619090.5577930.DOC' #good 
$samples += 'P:\PERSON\19\09\19090.5577930.DOC' #good 
$samples += 'P:\PERSON\10\10\10\06\19\09\1010100619090.5577930.DOC' #good 
$samples += 'P:\PERSON\06\19\09\619090a.5577930.DOC' #bad 
$samples += 'P:\PERSON\06\19\09\61909090.5577930.DOC' #bad 
$samples += 'P:\PERSON\06\19\09\6190905577930.DOC' #bad 

$regex = '^P:\\(?:EVENT|OPPORTUN|ORGANISA|PERSON)\\' 
$regex += '(?:(\d)(\d)\\|0(\d)\\)(?:(\d{2})\\)?(?:(\d{2})\\)?(?:(\d{2})\\)?(?:(\d{2})\\)?(?:(\d{2})\\)?' 
$regex += '(?:\1\2|\3)\4?\5?\6?\7?\8?\d?\.\d+\.\w{3,4}$' 

$samples | % { 
    $_ -match $regex 

} 

Answer 2

我试图来的东西，如果PowerShell支持反向引用，你可以试试这个：

^P:\\(?:EVENT|OPPORTUN|ORGANISA|PERSON)\\(?:0(\d)|(\d{2}))\\(\d{2})\\(?P<t>\d{2})\\(?:(?:\1|\2)\3\4)0?\.\d+\.\w{3,4}$

的\1到\4指早期发现，不同的捕捉组。

我测试了一些字符串regex101。

唯一的是它也会接受P:\OPPORTUN\61\90\90\619090.5577930.DOC。 我不太清楚如何仅用一个正则表达式来解决这个问题......或者使正则表达式比现有的更长（比这可能多两倍）。

它是关于只要如果你想真正做到了两次：

^P:\\(?:EVENT|OPPORTUN|ORGANISA|PERSON)\\0(\d)\\(\d{2})\\(\d{2})\\(?:\1\2\3)0\.\d+\.\w{3,4}|P:\\(?:EVENT|OPPORTUN|ORGANISA|PERSON)\\(\d{2})\\(\d{2})\\(\d{2})\\(?:\4\5\6)\.\d+\.\w{3,4}$

编辑：最多7对数字：

^P:\\(?:EVENT|OPPORTUN|ORGANISA|PERSON)\\(?:0(\d)|(\d\d))\\(?:(\d\d)\\)?(?:(\d\d)\\)?(?:(\d\d)\\)?(?:(\d\d)\\)?(?:(\d\d)\\)?(?:(?:\1|\2)\3?\4?\5?\6?\7?)0?\.\d+\.\w{3,4}