使用正则命名捕获组解析含下划线的文件名求助

完整正则表达式 #

^(?P<appcorresp>\d{5})_(?P<appnumber>\d{8})_(?P<date>\d{4}-\d{2}-\d{2})_(?P<doctype>TRAN\.LET|AP_DK_M)(?:_(\d{3}))?\.pdf$

关键补充说明 #

• <doctype>分组实现：通过_(?P<doctype>TRAN\.LET|AP_DK_M)完成。下划线后匹配两种固定文档类型，注意TRAN.LET中的.需要转义为\.（正则中.默认匹配任意字符），用分支|分隔两种可选值。
• 可选三位数字后缀处理：(?:_(\d{3}))?是核心：
  • (?:...)为非捕获组，避免额外生成不需要的捕获结果；
  • _(\d{3})匹配下划线加三位随机数字；
  • 末尾的?标记整个组为可选，兼容有无数字后缀的文件名。
• 首尾锚定：开头^和结尾$确保正则匹配整个文件名，避免出现部分匹配的无效结果。

匹配验证 #

三个目标文件名均可成功匹配：

1. 22203_17053180_2020-05-13_TRAN.LET_002.pdf：捕获doctype为TRAN.LET，可选数字后缀存在
2. 22203_17053180_2020-05-13_AP_DK_M_002.pdf：捕获doctype为AP_DK_M，可选数字后缀存在
3. 22203_17053180_2020-05-13_AP_DK_M.pdf：捕获doctype为AP_DK_M，可选数字后缀不存在

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