优化UNC路径提取正则表达式，提升匹配命中率咨询

问题背景 #

需要从UTF-8编码、制表符分隔的CSV文件中提取UNC路径，现有PowerShell脚本的正则表达式仅能匹配部分路径，需优化正则以提升命中率；单条记录包含多个UNC路径时无需额外处理。

现有脚本的局限性 #

原正则表达式存在以下问题：

• 错误使用HTML转义符\&，实际应直接匹配&字符
• 服务器名部分仅允许[\w\d.-]+，未覆盖合法的服务器名字符（如@、$）
• 路径部分允许的字符范围较窄，未包含下划线等常见合法字符

优化后的解决方案 #

修正后的正则表达式 #

$unc_regex = '\\\\[\w\d\-.@$]+\\(?:[\w\d\s&()_.\\-]+)?[\w\d\s&()_.\-]+'

完整PowerShell脚本 #

# 导入UTF-8编码的制表符分隔CSV文件
$x = Import-Csv .\measure_groups.csv -Encoding UTF8 -Delimiter "`t"

# 优化后的UNC路径正则表达式
$unc_regex = '\\\\[\w\d\-.@$]+\\(?:[\w\d\s&()_.\\-]+)?[\w\d\s&()_.\-]+'

# 提取并输出包含原始信息和匹配到的UNC路径的结果
$x | Select-Object info, @{
    Name = "UNC_raw"
    Expression = { ($_.info | Select-String -Pattern $unc_regex -AllMatches).Matches.Value }
} | Format-List

正则表达式说明 #

• \\\\：匹配UNC路径的起始双反斜杠（PowerShell中需双重转义）
• [\w\d\-.@$]+：匹配服务器名，允许字母、数字、下划线、连字符、点、@、$等合法字符
• \\：匹配服务器名与共享名/路径之间的反斜杠
• (?:[\w\d\s&()_.\\-]+)?：可选的中间路径段（非捕获组），允许空格、&、括号、下划线、点、反斜杠、连字符等
• [\w\d\s&()_.\-]+：匹配最终的共享名或文件/文件夹名，覆盖常见合法字符

注意事项 #

• 添加-AllMatches参数确保单条记录中的多个UNC路径都能被完整提取
• 若需支持Unicode字符路径，可将\w替换为\p{L}以匹配所有Unicode字母

内容的提问来源于stack exchange，提问作者user2978216