如何修正正则表达式仅匹配目标.vcf.gz字符串？

你的问题出在原正则里的嵌套捕获组——内层的((?!\.g).)是一个捕获组，它会捕获最后一次匹配的单个字符（也就是你看到的0）。要只得到目标字符串，需要调整正则的捕获组结构，同时确保匹配逻辑准确：

修正后的正则表达式 #

\n((?:(?!\.g).)*?\.vcf\.gz)\r

关键改动说明 #

• 将内层的((?!\.g).)改为(?:(?!\.g).)：(?:...)是非捕获组，只会参与匹配逻辑，不会生成额外的捕获结果，彻底避免了多余的0被捕获。
• 原有的负前瞻(?!\.g)依然生效，确保不会匹配到包含.g.vcf.gz的字符串。
• 结尾的\r保证匹配的是完整的.vcf.gz文件名，不会误匹配.vcf.gz.tbi这类带后缀的文件。

更简洁的替代方案 #

你也可以用负后顾来简化正则，逻辑更直观：

\n([^\r\n]*(?<!\.g)\.vcf\.gz)\r

• [^\r\n]*匹配换行符之间的任意字符（即完整的文件名部分）。
• (?<!\.g)是负后顾断言，直接确保.vcf.gz的前一段内容不是.g，精准排除.g.vcf.gz的情况。

内容的提问来源于stack exchange，提问作者random