如何编写正则表达式匹配字符串中.tar.gz后缀的文件名？

原始目标字符串 #

56451   -rw-                1  Aug 10 2023 08:54:53 +00:00  .callhome
56482   -rw-            14846   Jul 4 2023 23:02:34 +00:00  Router-system-report_20230704-230220-UTC-info.txt
56481   -rw-         68333650   Jul 4 2023 23:02:28 +00:00  Router-system-report_20230704-230220-UTC.tar.gz
233859  -rw-             9508   Jul 4 2023 17:47:54 +00:00  Router-system-report_20230704-174745-UTC-info.txt
56480   -rw-         61744940   Jul 4 2023 17:47:48 +00:00  Router-
56450   drwx             4096  Jun 18 2023 06:17:45 +00:00  modules

问题分析 #

你之前用的代码：

matches = re.finditer("(\w+)\s+(\d+)", file_string)
for match in matches:
    filenames.append(match.group(1))

其中正则(\w+)\s+(\d+)匹配的是字母数字组合加空格加数字的片段，完全没触碰到每行末尾的文件名区域，自然拿不到目标的.tar.gz文件。

解决方案 #

可以用以下两种正则方案提取目标文件名：

方案1：通用匹配任意位置的.tar.gz文件 #

import re

file_string = """56451   -rw-                1  Aug 10 2023 08:54:53 +00:00  .callhome
56482   -rw-            14846   Jul 4 2023 23:02:34 +00:00  Router-system-report_20230704-230220-UTC-info.txt
56481   -rw-         68333650   Jul 4 2023 23:02:28 +00:00  Router-system-report_20230704-230220-UTC.tar.gz
233859  -rw-             9508   Jul 4 2023 17:47:54 +00:00  Router-system-report_20230704-174745-UTC-info.txt
56480   -rw-         61744940   Jul 4 2023 17:47:48 +00:00  Router-
56450   drwx             4096  Jun 18 2023 06:17:45 +00:00  modules"""

filenames = []
# 匹配任意非空白字符组成的、以.tar.gz结尾的文件名
matches = re.finditer(r"\b(\S+\.tar\.gz)\b", file_string)
for match in matches:
    filenames.append(match.group(1))

print(filenames)
# 输出: ['Router-system-report_20230704-230220-UTC.tar.gz']

方案2：精准匹配每行末尾的.tar.gz文件（贴合ls输出格式） #

import re

filenames = []
# 启用多行模式，匹配每行末尾、前面带空格的.tar.gz文件名
matches = re.finditer(r"\s+(\S+\.tar\.gz)$", file_string, re.MULTILINE)
for match in matches:
    filenames.append(match.group(1))

print(filenames)
# 输出: ['Router-system-report_20230704-230220-UTC.tar.gz']

正则规则说明 #

• \S+：匹配1个及以上非空白字符，覆盖文件名中的连字符、下划线等特殊符号
• \.tar\.gz：转义.匹配实际的点号，精准锁定后缀
• \b：单词边界，避免匹配包含.tar.gz的更长字符串
• $ + re.MULTILINE：在多行模式下，$匹配每行的末尾，确保只提取行尾的文件名

内容的提问来源于stack exchange，提问作者Akshay J