在这种情况下如何提取文件名？

Question

我的输入字符串如下所示：

1    warning: rg: W, MULT: file 'filename_a.h' was listed twice.
2    warning: rg: W, SCOP: scope redefined in '/proj/test/site_a/filename_b.c'.
3    warning: rg: W, ATTC: file /proj/test/site_b/filename_c.v is not resolved.
4    warning: rg: W, MULTH: property file filename_d.vu was listed outside.

它们有上面列出的四种不同的口味。我从日志文件中逐行读取这些内容。

对于指定路径的那个（第 2,3 行），我可以使用 $file=~s#.*/##; 提取文件名，并且似乎工作正常。有没有办法不对不同类型使用条件语句并提取文件名？我只想使用一个干净的正则表达式并提取文件名。 Perl 的File::basename 在这种情况下也不起作用。

我正在使用 Perl。

Answer 1

您可以分两步完成：

• 从每一行中提取路径
• 从路径中获取基名

Example

#!/usr/bin/perl -n
use feature 'say';
use File::Basename;

#NOTE: assume that unquoted path has no spaces in it 
say basename($1.$2) if /(?:file|redefined in)\s+(?:'([^']+)'|(\S+))/;

输出

filename_a.h
filename_b.c
filename_c.v
filename_d.vu

Answer 2

您的问题需要更多约束。例如，将字符串表征为“路径”（或“文件名”）的好方法是什么？你可能会说，“嘿，当我看到一个点后面紧跟着字母和数字（但不是符号），而且那个点之前还有一堆字符，那么它可能是一个路径或文件名！”

\s+([^\s]+\.\w+)

但这并不能捕获所有路径，也不能捕获没有扩展名的文件。因此，我们可能会选择另一种说法，“要么是上面的，要么是一个至少有一个斜线的字符串。”

\s+([^\s]+\.\w+|[^\s]*\/[^\s]*)

（请注意，您可能不需要在上例中转义斜杠，因为您似乎使用# 作为分隔符。）

无论如何，我的意思是您需要更严格地指定您的问题，这会自动为您带来令人满意的解决方案。当然，单独使用正则表达式没有真正“正确”的解决方案：您需要进行文件测试才能做到这一点。

为了进一步了解这个例子，也许你想定义一个扩展列表：

\s+([^\s]+\.(?:c|h|cc|cpp)|[^\s]*\/[^\s]*)

或者，也许您想要更通用，但只允许最多 4 个字符的扩展：

\s+([^\s]+\.\w{1,4}|[^\s]*\/[^\s]*)

也许你只认为某事物以斜线开头是一条路径，但你仍然希望在其中的某个位置至少有另一个斜线：

\s+([^\s]+\.\w{1,4}|/[^\s]*\/[^\s]*)

祝你好运。

Answer 3

/\w*.\w*/ 这将匹配四个不同警告日志中表达的文件名。 \w 将匹配任何单词字符（字母、数字和下划线），因此此正则表达式查找任意数量的单词字符，后跟一个点，然后是更多单词字符。 这是因为日志中唯一的另一个点位于日志的末尾。