关于文件完整路径的正则提取

dongzhi1980

# n9 T; ^8 C& h5 B文件内容共4行，存储内容为文件的地址（pdf和.7z格式）和网页链接。
目标是：提取每个PDF文件的全名（形如abc.pdf等)及其前一项的ID（文件名前面一项，形如BUUXZJBF，BZ7QHC8S等8位数的ID标签）。
由于，1.文件名中有特殊符号"\;"， 2.里面混杂了.7z文件。我在python re 下没有成功提取，请大家出手相助。注：只需提供正则表达式即可。谢谢

. p% E$ a8 y* c& ?( D, ?file = {E\:\\storage\\BUUXZJBF\\Kottwitz - 2011 - Xyz beginner's guide \; one book name .pdf},
% r. o- O  U% f8 s$ afile = {E\:\\storage\\BZ7QHC8S\\Xyz programming - an introduction..pdf;E\:\\storage\\I5CN6Q4Y\\ABC Programming Advanced Introduction.7z;E\:\\storage\\LIEKLY4B\\NO programming - an advanced introduction chs..pdf;E\:\\storage\\4UVU3D66\\www.ccc-intro.org.html},
howpublished = {http://www.123.org/}
file = {E\:\\storage\\CUUXZJBG\\Tomz - 2015 - OK beginner's guide another book name.pdf}

Oeasy

1. import re
   $ T5 m5 i8 h1 R; [( G; [( n5 h5 }
2. 
   
3. string = """file = {E\:\\storage\\BUUXZJBF\\Kottwitz - 2011 - Xyz beginner's guide \; one book name .pdf},
   , [$ @! h2 P" v2 [
4. file = {E\:\\storage\\BZ7QHC8S\\Xyz programming - an introduction..pdf;E\:\\storage\\I5CN6Q4Y\\ABC Programming Advanced Introduction.7z;E\:\\storage\\LIEKLY4B\\NO programming - an advanced introduction chs..pdf;E\:\\storage\\4UVU3D66\\www.ccc-intro.org.html},
   1 P4 ?( ]7 O) h2 {3 L: i
5. howpublished = {http://www.123.org/}
   - @4 @- B% x& J; X
6. file = {E\:\\storage\\CUUXZJBG\\Tomz - 2015 - OK beginner's guide another book name.pdf}"""
   % T/ }: A2 @' I2 m
7. 
   $ ?% {* q3 Q8 c
8. 
   
9. pattern = re.compile(r"\\([0-8A-Z]{8})\\([^:}]+?\.pdf)")
   
10. 
    : N, j2 n! i4 A  p- k4 X1 _
11. m = pattern.findall(string)
    
12. 
    
13. for item in m:
    ; H1 `4 S/ o% G, P
14.     print(item)

复制代码

3 u, g6 T& x* k; V) Q
, P" v$ O4 W/ X( n# U输出
6 Q7 E: [) M$ I0 {5 Y, I
1 K/ M$ n5 ?- U+ V3 g5 x# R

1. ('BUUXZJBF', "Kottwitz - 2011 - Xyz beginner's guide \\; one book name .pdf")
   ( [& B& H0 C. ?, o1 q( f
2. ('BZ7QHC8S', 'Xyz programming - an introduction..pdf')
   6 L9 s# F5 x9 p: `
3. ('LIEKLY4B', 'NO programming - an advanced introduction chs..pdf')
   ; `1 A* m! U8 q" u! F: q
4. ('CUUXZJBG', "Tomz - 2015 - OK beginner's guide another book name.pdf")

复制代码

5 Q3 A* O/ n$ m" c5 r
8 E, C3 ?/ Z9 |2 C7 w

dongzhi1980

4 W$ b( k: `) X" T. ^* E; J) s

Oeasy 发表于 2020-3-16 11:46
输出

谢谢O大的详细解答，请问，
2 Q2 k- @* z; K. V) w文件名中多余的“\”怎么去除，真实文件名是"Kottwitz - 2011 - Xyz beginner's guide ; one book name .pdf"。
% j# Y5 c, O6 T- r生成的字符串 '\\Kottwitz - 2011 - LaTeX beginner\'s guide \\; create high-quality and .pdf' 中
+ V! X2 g9 s0 m
多余的"\"导致程序后续操作产生问题。
! E! l! a+ s/ F5 U+ l7 ~

Oeasy

dongzhi1980 发表于 2020-3-16 17:51
谢谢O大的详细解答，请问，
& ~! H! {7 v+ f, z7 n- m  V文件名中多余的“\”怎么去除，真实文件名是"Kottwitz - 2011 - Xyz beginner' ...

+ U- s, ]: c0 @2 k' C
抱歉手抖吧 0-9 敲成 0-8 了。

* |1 }! K, w! M3 q9 H" B

1. import re
   - Z' T7 E2 {8 f( e: B* _, `* N
2. 
   # P2 O6 B' k7 P3 K8 ^: E$ p' w
3. string = """file = {E\:\\storage\\BUUXZJBF\\Kottwitz - 2011 - Xyz beginner's guide \; one book name .pdf},
   
4. file = {E\:\\storage\\BZ7QHC8S\\Xyz programming - an introduction..pdf;E\:\\storage\\I5CN6Q4Y\\ABC Programming Advanced Introduction.7z;E\:\\storage\\LIEKLY4B\\NO programming - an advanced introduction chs..pdf;E\:\\storage\\4UVU3D66\\www.ccc-intro.org.html},
   ) w' d7 A$ E1 f( F
5. howpublished = {http://www.123.org/}
   6 r; n" c& n( I7 g7 |- e
6. file = {E\:\\storage\\CUUXZJBG\\Tomz - 2015 - OK beginner's guide another book name.pdf}
   / T& Z/ b8 Y. x( [
7. file = {E\:\\Data\\storage\\2MTGE89K\\Matlab users guide_Symbolic Math Toolbox.pdf;E\:\\Data\\storage\\CS58DYJW\\Matlab users guide_Parallel Computing Toolbox.pdf;E\:\\Data\\storage\\IAR9VKWB\\Matlab Programming Fundamentals.pdf;E\:\\Data\\storage\\RV3RTI3V\\Matlab Mathematics.pdf}"""
   
8. 
   
9. 
   8 W2 F, g3 Z; X1 Y7 c# u
10. pattern = re.compile(r"\\([0-9A-Z]{8})\\([^:}]+?\.pdf)")
    + M; V$ R% R; [0 S% ~; u
11. 
    & T2 I  l* `- u# w
12. m = pattern.findall(string)
    
13. 
    6 z7 ?  I- {! {6 S. N
14. for item in m:
    * e& g) ^' z- F( S. U
15.     print(item[0], item[1].replace("\",""))

复制代码

输出

1. BUUXZJBF Kottwitz - 2011 - Xyz beginner's guide ; one book name .pdf
   
2. BZ7QHC8S Xyz programming - an introduction..pdf
   
3. LIEKLY4B NO programming - an advanced introduction chs..pdf
   / W( E/ X6 U+ I& b7 Z! i
4. CUUXZJBG Tomz - 2015 - OK beginner's guide another book name.pdf
   6 E1 e+ m( M2 U, V0 G
5. 2MTGE89K Matlab users guide_Symbolic Math Toolbox.pdf
   8 |! n( _( Z+ `! u! K# B% c/ _, F
6. CS58DYJW Matlab users guide_Parallel Computing Toolbox.pdf
   % h$ v- E3 @4 Q* i& ]+ i
7. IAR9VKWB Matlab Programming Fundamentals.pdf
   2 v1 H3 x# a7 y. b4 u' o
8. RV3RTI3V Matlab Mathematics.pdf

复制代码

# n# R- ~# S0 M  Q6 D- ?! z2 k: C/ ~

dongzhi1980

% {3 x3 u/ Q" N

Oeasy 发表于 2020-3-16 18:36
3 L9 L3 M+ @# T. L# [: m抱歉手抖吧 0-9 敲成 0-8 了。

再次感谢，0-8 的问题我自己仔细查看后给解决了，正想着“挖坑不填”的含意呢，正好收到回复了。意外的惊喜。
最后再麻烦你一次，如果不用 “：｝” 排除，改为用 “E\:” 和 “｝” 排除，用什么方法呢，在网上查了很多关于断言的操作，但还是不会用。
3 a! j$ j+ ~5 L谢谢！
1 \, X7 s  b; x1 o& z3 D% Y