C#如何从ZipArchive中获取各文件前缀对应的最新文件

需求说明 #

文件命名规则 #

压缩包内文件名下划线_分隔为4段：

• 第一段：文件标识前缀，例如file1、file2
• 第二段：创建日期
• 第三段：修改日期
• 第四段：创建时间，格式为HH-mm-ss

示例场景 #

压缩包内包含3个文件：

• file1_2022-06-20_2022-06-20_10-20-32
• file1_2022-06-20_2022-06-20_10-30-50
• file2_2022-06-20_2022-06-20_14-10-20
  预期返回每个前缀下时间最新的文件，即结果应为：

file1_2022-06-20_2022-06-20_10-30-50
file2_2022-06-20_2022-06-20_14-10-20

原有代码问题 #

原有实现仅对匹配的文件按LastWriteTime做全局倒序，没有按前缀分组逻辑，会返回全部3个匹配文件，无法满足分组取最新的要求，原有代码如下：

private void FindMostRecentFilesFromZip(string zipPath, string destPath)
{
    using (var zipArchive = ZipFile.Open(zipPath, ZipArchiveMode.Read))
    {
        var matchesFiles = new List<ZipArchiveEntry>();

        foreach (var entry in zipArchive.Entries)
        {
            if (entry.Name.StartsWith(pattern))
            {
                matchesFiles .Add(entry);
            }
        }
        // how to get only the most recent files here???
        var mostRecentFiles = matchesFiles.OrderByDescending(f => f.LastWriteTime);
        
        //here all three files are returned, while the result should only contains two files as explained above
    }
}

修正后实现 #

using System.Globalization;
using System.IO.Compression;
using System.Linq;

private void FindMostRecentFilesFromZip(string zipPath, string destPath, string matchPattern)
{
    using (var zipArchive = ZipFile.Open(zipPath, ZipArchiveMode.Read))
    {
        var mostRecentFiles = zipArchive.Entries
            // 过滤符合匹配规则的文件，跳过目录条目
            .Where(entry => !entry.FullName.EndsWith('/') && entry.Name.StartsWith(matchPattern))
            // 按文件标识前缀分组
            .GroupBy(entry => entry.Name.Split('_')[0])
            // 每组取时间最新的1个文件
            .Select(group => group
                .OrderByDescending(entry =>
                {
                    // 优先用文件名内嵌的时间排序，避免zip元数据时间不准
                    var nameParts = entry.Name.Split('_');
                    if (nameParts.Length >= 4
                        && DateTime.TryParseExact(
                            $"{nameParts[1]}_{nameParts[3]}",
                            "yyyy-MM-dd_HH-mm-ss",
                            CultureInfo.InvariantCulture,
                            DateTimeStyles.None,
                            out var embedTime))
                    {
                        return embedTime;
                    }
                    // 文件名时间解析失败时回退用zip条目自带的最后修改时间
                    return entry.LastWriteTime.DateTime;
                })
                .First())
            .ToList();

        // 解压最新文件到目标目录
        foreach (var fileEntry in mostRecentFiles)
        {
            fileEntry.ExtractToFile(Path.Combine(destPath, fileEntry.Name), overwrite: true);
        }
    }
}

关键逻辑说明 #

• 增加目录条目过滤，避免把zip内的文件夹当成文件处理
• 严格对齐文件名规则，取第一个下划线前的内容作为分组依据
• 排序优先级使用文件名内嵌的时间戳，规避压缩包元数据时间和实际文件版本不一致的问题，解析失败自动降级用zip自带的时间属性
• 每个分组取倒序排序后的第一条，即为对应前缀下的最新版本文件，示例场景下会正确返回2个目标文件

内容的提问来源于stack exchange，提问作者L.Cam