如何从id_name_date_filetype格式的文件数组中筛选同ID/名称的文件

嘿，我来帮你搞定这个问题！你的核心需求是从格式为id_name_date_filetype的文件集合里，提取所有ID重复或者名称重复的文件，对吧？结合你现有的代码，咱们可以分几步来实现：

第一步：给每个文件绑定ID和名称信息 #

首先，我们需要把每个文件路径和它对应的ID、名称关联起来——毕竟文件名拆分后，fileNameSplit[0]是ID，fileNameSplit[1]就是名称（前提是你的文件名格式严格符合约定）。这里可以用匿名类型来临时存储这些信息，方便后续处理：

// 先把所有文件和对应的ID、名称映射起来，同时过滤格式错误的文件
var fileWithMetadata = filelist.Select(file => {
    // 先获取不带扩展名的文件名，避免把.tsv后缀算进去
    var fileNameWithoutExt = Path.GetFileNameWithoutExtension(file);
    var parts = fileNameWithoutExt.Split('_');
    
    // 防止文件名格式不符合要求导致索引越界，这里做个判断
    if (parts.Length < 4) {
        Console.WriteLine($"警告：文件 {file} 格式不符合id_name_date_filetype约定，已跳过");
        return null;
    }
    
    return new {
        FullFilePath = file,
        FirmId = parts[0],
        FirmName = parts[1]
    };
})
// 过滤掉格式错误的文件
.Where(item => item != null)
.ToList();

第二步：统计ID和名称的出现次数 #

接下来，我们需要知道哪些ID或者名称是重复的——通过分组统计就能快速得到每个ID、名称对应的文件数量：

// 统计每个ID对应的文件数量
var idOccurrenceCounts = fileWithMetadata
    .GroupBy(item => item.FirmId)
    .ToDictionary(group => group.Key, group => group.Count());

// 统计每个名称对应的文件数量
var nameOccurrenceCounts = fileWithMetadata
    .GroupBy(item => item.FirmName)
    .ToDictionary(group => group.Key, group => group.Count());

第三步：筛选出符合条件的文件 #

现在我们可以根据统计结果，筛选出ID出现多次或者名称出现多次的文件，存入目标数组：

// 提取所有ID重复或名称重复的文件路径
var duplicateFiles = fileWithMetadata
    .Where(item => idOccurrenceCounts[item.FirmId] > 1 || nameOccurrenceCounts[item.FirmName] > 1)
    .Select(item => item.FullFilePath)
    .ToArray();

整合到你的现有代码里 #

把这段逻辑放到你第二个foreach的位置就行，替换掉空的循环体。如果你还需要对这些筛选后的文件做后续处理（比如按类型读取数据），可以在筛选后再加一层遍历：

// 遍历筛选出的重复文件，按类型读取数据（和你之前的逻辑一致）
foreach (string file in duplicateFiles) {
    var fileName = Path.GetFileName(file).ToLower();
    switch (fileName) {
        case "assets.tsv":
            assets = ReadDataFromCsv<Asset>(file);
            break;
        case "financialaccounts.tsv":
            financialAccounts = ReadDataFromCsv<FinancialAccount>(file);
            break;
        case "households.tsv":
            households = ReadDataFromCsv<Household>(file);
            break;
        case "registrations.tsv":
            registrations = ReadDataFromCsv<Registration>(file);
            break;
        case "representatives.tsv":
            representatives = ReadDataFromCsv<Representative>(file);
            break;
    }
}

额外提示 #

• 如果你的文件名格式可能有变动，建议把ID和名称的位置做成可配置的，或者加更严谨的格式校验
• 如果你需要的是同一个ID下的所有文件或者同一个名称下的所有文件（而不仅仅是重复的），可以直接用GroupBy分组后取对应的组即可，比如fileWithMetadata.GroupBy(item => item.FirmId)就能得到每个ID对应的文件集合

内容的提问来源于stack exchange，提问作者Novica Josifovski