C#通过Regex正则提取路径中符合指定规则的目录段方法

需求规则梳理 #

待匹配路径需要同时满足以下条件：

• 路径可包含任意多级前置子目录
• 路径中必须存在独立目录段，格式为4开头纯数字串_纯数字串
• 上述数字目录段的下一级必须直接是带扩展名的文件，数字段与文件之间不能存在其他子目录
• 需排除三类非法路径：数字段后仍有子目录的路径、数字段格式不符合要求的路径、最后一级不是带扩展名文件的路径

合法路径示例：

\subpath1\subpath2\subpathn\41234_25678\filename.extension

非法路径示例：

\41234_25678\subdir\filename.extension  // 数字段后存在子目录
\subpath\4abc_123\test.txt             // 数字段含非数字字符
\subpath\3123_456\a.exe                // 数字段不是4开头
\412_345\filenoext                     // 最后一级文件无扩展名

原有正则的问题 #

你之前使用的正则(?<=\\)(4[0-9]*)_([0-9]*).*?.*"存在三个明确缺陷：

• 后缀匹配无约束：.*?.*"会匹配任意字符，既不校验后续是否为合法文件名，还强制要求路径末尾存在双引号，无引号的正常路径会匹配失败
• 无目录层级校验：只要路径中出现\4数字_数字片段就会命中，哪怕数字段后还有多层子目录，无法满足排除子目录场景的要求
• 边界约束缺失：可能匹配到文件名中夹带的4数字_数字片段，而非独立的目录段

改进后的正则表达式 #

适配C#正则语法的匹配模式如下，可直接提取目标信息：

\\(4\d+)_(\d+)\\([^\\/]+\.[^\\/.]+)$

分组说明 #

• 分组1：提取目标目录段中4开头的纯数字部分
• 分组2：提取目标目录段中下划线后的纯数字部分
• 分组3：提取数字段下一级的完整文件名（含扩展名）

匹配逻辑说明 #

• \\：匹配数字目录段前的反斜杠，保证匹配到的是独立目录段，不会误匹配文件名中的类似片段
• (4\d+)：匹配以4开头的纯数字串，要求4后至少有1位数字，排除4_这类非法格式
• _：匹配两个数字串中间的下划线
• (\d+)：匹配下划线后的纯数字串，至少1位数字
• \\：匹配数字目录段后的反斜杠，锚定数字段的结束位置
• ([^\\/]+\.[^\\/.]+)：匹配最后一级文件名：
  • [^\\/]+匹配扩展名前的文件名部分，不允许出现路径分隔符，避免跨目录匹配
  • \.匹配文件名与扩展名之间的分隔点
  • [^\\/.]+匹配扩展名部分，不允许出现路径分隔符和多余的点
• $：匹配字符串结尾，保证匹配到的文件名是路径最后一段，数字段与文件之间不存在其他子目录

C# 调用示例 #

using System;
using System.Text.RegularExpressions;

public class PathMatcher
{
    // 初始化正则，使用@前缀避免反斜杠转义，RegexOptions.Compiled提升频繁匹配场景的性能
    private static readonly Regex PathRegex = new Regex(
        @"\\(4\d+)_(\d+)\\([^\\/]+\.[^\\/.]+)$", 
        RegexOptions.Compiled | RegexOptions.IgnoreCase
    );

    public static void Main()
    {
        string[] testPaths = new[]
        {
            @"\subpath1\subpath2\subpathn\40001_20099\test.pdf", // 合法
            @"C:\project\files\41234_5678\a.txt", // 合法（带盘符）
            @"\41234_5678\subdir\a.txt", // 非法（数字段后有子目录）
            @"\sub\3123_456\b.exe", // 非法（数字段非4开头）
            @"\sub\4abc_123\c.jpg", // 非法（数字段含字母）
            @"\412_345\filenoext" // 非法（文件无扩展名）
        };

        foreach (var path in testPaths)
        {
            Match match = PathRegex.Match(path);
            if (match.Success)
            {
                Console.WriteLine($"[匹配成功] 路径：{path}");
                Console.WriteLine($"4开头数字段：{match.Groups[1].Value}");
                Console.WriteLine($"下划线后数字段：{match.Groups[2].Value}");
                Console.WriteLine($"文件名：{match.Groups[3].Value}\n");
            }
            else
            {
                Console.WriteLine($"[匹配失败] 路径：{path}\n");
            }
        }
    }
}

适配调整说明 #

• 如果需要兼容正斜杠路径（比如Linux路径、网络路径），当前正则已经支持，无需修改
• 如果需要兼容路径末尾多余的反斜杠/正斜杠，可在正则末尾$前添加[\\/]?
• 如果需要支持多后缀文件名（比如archive.tar.gz），可将文件名匹配部分调整为([^\\/]+\.[^\\/]+)

内容的提问来源于stack exchange，提问作者Wojciech Szabowicz