PCRE正则表达式需求：匹配需排除的文件路径规则

需求概述 #

需编写PCRE正则表达式，用于匹配需要排除的文件路径，最终仅保留e-comps目录或其子目录下的.pdf文件，同时需满足：

• 不匹配任何不含斜杠的项（单个文件名/无路径的目录名）
• 需排除两类内容：
  • 路径中不含e-comps的所有带扩展名文件
  • 路径中包含e-comps的非.pdf文件

示例输入 #

/client
/client/100-300
/client/100-300/101 abc
/client/100-300/101 abc/active
/client/100-300/101 abc/active/asset.pdf
/client/100-300/101 abc/active/asset.doc
/client/100-300/101 abc/e-comps/asset.pdf
/client/100-300/101 abc/e-comps/asset.doc
/client/100-300/101 abc/e-comps/asset.jpg
/client/100-300/101 abc/e-comps/folder/asset.jpg
/client/100-300/101 abc/e-comps/folder/asset.pdf
client
100-300
101 abc
active
asset.pdf
asset.doc
asset.jpg

预期匹配（需排除的项） #

/client/100-300/101 abc/active/asset.pdf
/client/100-300/101 abc/active/asset.doc
/client/100-300/101 abc/e-comps/asset.doc
/client/100-300/101 abc/e-comps/asset.jpg
/client/100-300/101 abc/e-comps/folder/asset.jpg

最终正则表达式 #

^/.+(?<!e-comps/.+)\..+$|^/.+e-comps/.+\.(?!pdf$)[^/]+$

正则解析 #

该正则包含两个匹配分支，用|分隔，分别对应两类需排除的内容：

分支1：匹配不在e-comps目录下的所有带扩展名文件 #

^/.+(?<!e-comps/.+)\..+$

• ^/：限定路径以斜杠开头，排除无路径的单个文件/目录
• .+：匹配任意长度的路径内容
• (?<!e-comps/.+)：反向否定预查，确保路径中不包含e-comps目录及其子路径
• \..+$：匹配带扩展名的文件（以点开头，后续任意字符直到行末）

分支2：匹配e-comps目录下的非PDF文件 #

^/.+e-comps/.+\.(?!pdf$)[^/]+$

• ^/.+e-comps/.+：匹配包含e-comps目录的路径
• \.(?!pdf$)：正向否定预查，确保扩展名不是pdf
• [^/]+$：匹配扩展名部分，确保目标是文件而非目录（避免匹配带点的目录名）

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