Preg_match忽略捕获组分隔符 正则匹配符合规范的会议议程文件名问题

解决方案 #

核心问题是你没有将可选的bbb议程项编号分组整体标记为可选，且没有严格限定该分组前后的下划线绑定关系。

修正后的正则表达式 #

/^(\d{4}(?:_?\d{2}){2})_(\w{2,3})(?:_([a-z0-9]{1,3}))?_([a-zA-Z0-9]+)\.pdf$/i

规则说明 #

• 日期部分(\d{4}(?:_?\d{2}){2})：兼容yyyymmdd和yyyy_mm_dd两种格式，逻辑和原有规则一致，仅做了写法简化
• 会议类型编码(\w{2,3})：保留原有2-3位字符的规则
• 可选议程项编号(?:_([a-z0-9]{1,3}))?：
  1. 外层用(?: ... )?标记整个分组为可选，不存在时完全跳过匹配
  2. 必须和前面的下划线绑定，只有存在下划线时才会尝试匹配1-3位的议程项编号，不会误吞后面描述字段的内容
  3. 内层的([a-z0-9]{1,3})是捕获组，有议程项编号时会正常捕获，没有时该捕获组返回空值
• 文件描述([a-zA-Z0-9]+)：严格限定仅支持字母数字，符合命名规范要求
• 末尾加$锚定字符串结尾，避免后缀名后有多余字符也被误匹配

匹配效果验证 #

对给出的所有示例文件名均可正确分组：

• 无议程项编号的文件（如20200225_RM_agenda.pdf、2021_02_25_EV_Notice.pdf）：第三捕获组（议程项编号）返回空，第四捕获组正确返回完整描述内容
• 有议程项编号的文件：第三捕获组正常返回编号，第四捕获组正确返回描述内容

内容的提问来源于stack exchange，提问作者GDP