是否存在从正则表达式提取类通配符过滤模式的已知方法？

背景 #

执行过滤操作时，将过滤逻辑尽可能推到上游（比如文件系统层面）能大幅提升性能。例如在PowerShell中，Get-ChildItem 'c:\temp\' -Filter '*.txt' 比 Get-ChildItem 'c:\temp\' | Where-Object {$_.Name -like '*.txt'} 效率高得多——因为前者是让文件系统直接过滤，后者是先拉取所有文件再在内存中筛选。

但有些场景上游不支持复杂过滤：比如要查找所有图像文件（*.png, *.gif, *.jpg, *.jpeg），要么多次调用Get-ChildItem分别指定不同过滤器（会重复遍历目录，还可能出现重复文件），要么只能全量拉取后下游过滤。此时可以先用一个宽松但有效的通配符掩码（比如*.*g*）在上游过滤掉大部分非目标文件，再用正则在下游精确筛选。

问题 #

是否存在成熟方法，能从正则表达式中提取出一个类通配符掩码（即简单的*/?风格模式），这个掩码能作为上游过滤的条件，尽可能排除无关内容，同时保证所有匹配正则的条目都能通过该掩码？

举个例子：

• 正则\.(?:png|gif|jpg|jpeg)$ → 掩码*.*g*
• 正则\.(?:jpg|jpeg)$ → 掩码*.jp*g
• 正则\.(?:png|gif|jpg|jpeg|webp)$ → 掩码*.*

解决方案 #

这类转换没有通用的标准算法，但针对常见场景（比如文件后缀匹配、固定枚举类正则）可以设计针对性的实现，核心思路是找到所有匹配正则的字符串必然包含的公共特征，用*替换可变部分，生成一个尽可能严格的超集掩码（掩码匹配范围 ≥ 正则匹配范围）。

核心实现逻辑 #

1. 提取正则中的固定公共特征
   • 对于枚举式的正则分支（比如(png|gif|jpg|jpeg)），提取所有分支的公共子串/字符：比如png/gif/jpg/jpeg都包含字符g，这就是公共特征；而jpg/jpeg的公共前缀是jp、公共后缀是g。
   • 对于带固定前后缀的正则，直接提取固定前缀和后缀，中间用*填充。
2. 生成超集掩码
   • 将提取到的公共特征用*包裹/连接，确保所有匹配正则的字符串都能匹配该掩码。如果找不到任何公共特征，就退化为最宽泛的*或*.*。

示例PowerShell实现 #

针对文件后缀匹配的场景，实现一个简单的ConvertTo-SimpleMask函数：

function ConvertTo-SimpleMask {
    param(
        [Parameter(Mandatory)]
        [string]$RegexPattern
    )

    # 处理后缀匹配类正则（格式如 \.(?:png|gif|jpg)$）
    if ($RegexPattern -match '^\.\(?:([^)]+)\)$') {
        $extensions = $matches[1] -split '\|'
        
        # 第一步：找所有扩展名都包含的公共字符
        $commonChars = @()
        $uniqueChars = $extensions | ForEach-Object { $_ -split '' | Where-Object { $_ } } | Select-Object -Unique
        foreach ($char in $uniqueChars) {
            if ($extensions | Where-Object { $_ -notcontains $char }) {
                continue
            }
            $commonChars += $char
        }

        # 第二步：尝试找最长公共前缀和后缀
        $longestPrefix = $extensions[0]
        foreach ($ext in $extensions) {
            while ($ext -notlike "$longestPrefix*") {
                $longestPrefix = $longestPrefix.Substring(0, $longestPrefix.Length - 1)
                if ([string]::IsNullOrEmpty($longestPrefix)) { break }
            }
        }

        $longestSuffix = $extensions[0]
        foreach ($ext in $extensions) {
            while ($ext -notlike "*$longestSuffix") {
                $longestSuffix = $longestSuffix.Substring(1)
                if ([string]::IsNullOrEmpty($longestSuffix)) { break }
            }
        }

        # 生成掩码：优先用最长公共前后缀，没有则用公共字符，最后退化为*.*
        if (-not [string]::IsNullOrEmpty($longestPrefix) -and -not [string]::IsNullOrEmpty($longestSuffix)) {
            return "*.$longestPrefix*$longestSuffix"
        } elseif ($commonChars.Count -gt 0) {
            return "*.*$($commonChars[0])*"
        } else {
            return "*.*"
        }
    }

    # 其他正则场景可扩展逻辑，默认返回最宽泛的*
    return "*"
}

局限性 #

这种方法只适用于结构简单的正则（枚举分支、固定前后缀）。对于包含任意字符匹配（.*）、范围匹配（[a-z]）、反向引用等复杂逻辑的正则，无法提取有效的严格掩码，只能退化为*，依赖下游的正则精确过滤。

内容的提问来源于stack exchange，提问作者JohnLBevan