提取文件名部分以解决文件名冲突答案

【问题标题】：Extract filename parts to solve file name conflict提取文件名部分以解决文件名冲突
【发布时间】：2019-12-10 21:21:44
【问题描述】：

在 c# 程序中，我想在可能存在其他文件的文件夹中写入文件。如果是这样，可以在文件中添加后缀myfile.docx、myfile (1).docx、myfile (2).docx 等等。

我正在努力分析现有文件名以提取现有文件的名称部分。

特别是，我使用这个正则表达式：(?<base>.+?)($(?<idx>\d+)$?)?(?<ext>(\.[\w\.]+))。

这个正则表达式输出：

╔═══════════════════════╦══════════════╦═════╦═══════════╦═══════════════════════════════════╗
║    Source Filename    ║     base     ║ idx ║ extension ║              Success              ║
╠═══════════════════════╬══════════════╬═════╬═══════════╬═══════════════════════════════════╣
║ somefile.docx         ║ somefile     ║     ║ .docx     ║ Yes                               ║
║ somefile              ║              ║     ║           ║ No, base should be "somefile"     ║
║ somefile (6)          ║              ║     ║           ║ No, base should be "somefile (6)" ║
║ somefile (1).docx     ║ somefile     ║   1 ║ .docx     ║ Yes                               ║
║ somefile (2)(1).docx  ║ somefile (2) ║   1 ║ .docx     ║ Yes                               ║
║ somefile (4).htm.tmpl ║ somefile     ║   4 ║ .htm.tmpl ║ Yes                               ║
╚═══════════════════════╩══════════════╩═════╩═══════════╩═══════════════════════════════════╝

如您所见，所有情况都有效，但文件名没有扩展名时除外。

如何修复我的正则表达式来解决失败的情况？

转载：https://regex101.com/r/q9uQii/1

如果有关系，这里是相关的 C# 代码：

private static readonly Regex g_fileNameAnalyser = new Regex(
    @"(?<base>.+?)(\((?<idx>\d+)\)?)?(?<ext>(\.[\w\.]+))", 
    RegexOptions.Compiled | RegexOptions.ExplicitCapture
    );

...

var candidateMatch = g_fileNameAnalyser.Match(somefilename);
var candidateInfo = new
{
    baseName = candidateMatch.Groups["base"].Value.Trim(),
    idx = candidateMatch.Groups["idx"].Success ? int.Parse(candidateMatch.Groups["idx"].Value) : 0,
    ext = candidateMatch.Groups["ext"].Value
};

【问题讨论】：

为什么不在循环中检查文件是否存在，将索引递增一，直到找到可用的文件名？
使用^(?<base>.+?)(?:$(?<idx>\d+)$)?(?<ext>\.[\w.]+)?$或^(?<base>.+?)\s*(?:$(?<idx>\d+)$)?(?<ext>\.[\w.]+)?$，见demo
@PeterWolf：这可能是一个解决方案。我会考虑的
@WiktorStribiżew：您的正则表达式似乎按预期工作。你应该发布一个答案
对于最后一个示例，请注意操作系统将.tmpl 视为扩展名，将somefile (4).htm 视为文件名，请参阅此fiddle。如果您可以调整您的要求，我将保留“扩展”的操作系统含义，使用Path.GetFileNameWithoutExension 摆脱扩展，然后以某种方式解析生成的字符串以查找末尾的（可选）索引

标签： c# regex

【解决方案1】：

你可以使用

^(?<base>.+?)\s*(?:\((?<idx>\d+)\))?(?<ext>\.[\w.]+)?$

查看regex demo，结果：

模式详情

^ - 字符串开头
(?<base>.+?) - 组“base”：除换行符之外的任何 1 个或多个字符，尽可能少
\s* - 0+ 个空格
(?:$(?<idx>\d+)$)? - 可选序列：
- $ - 一个 ( 字符
- (?<idx>\d+) - 组“idx”：1+ 位
- $ - 一个 ) 字符
(?<ext>\.[\w.]+)? - - 可选组“ext”：
- \. - 一个 . 字符
- [\w.]+ - 1+ 个字母、数字、_ 或 . 字符
$ - 字符串结束。

【讨论】：

【解决方案2】：

您可能要做的是重复() 部分，其中包含断言存在下一对的数字。然后将下一部分的数字捕获为idx 组。

使用问号将 idx 组和 ext 组设为可选。

^(?<base>[^\r\n.()]+(?:(?:\(\d+\))*(?=\(\d+\)))?)(?:\((?<idx>\d+)\))?(?<ext>(?:\.[\w\.]+))?$

^ 字符串开始
(?<base>开始base群
- [^\r\n.()]+ 匹配除所列字符之外的任何字符 1 次以上
- (?:非捕获组
  - (?:$\d+$)*(?=$\d+$) 重复匹配 (digits) 直到右边有 1 个 (digits) 部分
- )? 关闭群组并将其设为可选
)结束base群
(?:$(?<idx>\d+)$)? 在( 和) 之间匹配idx 组的可选部分
(?<ext>(?:\.[\w\.]+))? 可选ext 组
$字符串结束

Regex demo

【讨论】：

感谢您提供非常详细的答案。我选择了 Wictor 的回答思想，因为它更简单一些
@SteveB 没关系！