正则表达式匹配字符串中日期与文件大小的分组捕获问题咨询

你的需求是根据字符串中是否存在**带年份的日期（MM-DD YYYY）和有效文件大小（数字+[TGMK]iB）**来灵活捕获，同时排除带时间的日期（如MM-DD HH:MM）和无效的大小字段。针对你的场景，我优化了正则表达式，同时兼顾匹配准确性和灵活性：

优化后的正则表达式 #

(?=.*?(?:\b\d{2}-\d{2}\s\d{4}\b|\b\d+(?:\.\d+)?\s*[TGMK]iB\b))(?:Uploaded\s+(\d{2}-\d{2}\s\d{4})\s*,)?\s*(?:Size\s+(?:(\d+(?:\.\d+)?\s*[TGMK]iB))?\s*,)?

（注：如果需要可读性，也可以拆分成多行，实际使用时合并为一行即可）

关键优化点解释 #

1. 正向预查确保非空匹配：
   (?=.*?(?:\b\d{2}-\d{2}\s\d{4}\b|\b\d+(?:\.\d+)?\s*[TGMK]iB\b))
   确保字符串中至少存在带年份的日期或有效大小，避免返回空的匹配结果。

2. 可选的日期捕获组：
   (?:Uploaded\s+(\d{2}-\d{2}\s\d{4})\s*,)?
   仅捕获Uploaded后带年份的日期格式（MM-DD YYYY），自动忽略带时间的日期（如示例2中的11-20 15:20）。整个组是可选的，所以当没有带年份的日期时，该分组返回空。

3. 可选的大小捕获组：
   (?:Size\s+(?:(\d+(?:\.\d+)?\s*[TGMK]iB))?\s*,)?
   捕获Size后符合格式的大小值（支持整数/小数、可选空格、正确单位），当Size后无有效大小（如示例3）时，该分组返回空。

匹配测试（对应你的三个示例） #

1. 示例1：同时存在日期和大小

   Uploaded 11-20 2017, Size 11.93 GiB, ULed by P_O_O_P

   • 分组1（日期）：11-20 2017
   • 分组2（大小）：11.93 GiB

2. 示例2：仅存在大小

   Uploaded 11-20 15:20, Size 11.93 GiB, ULed by P_O_O_P

   • 分组1（日期）：空（因日期是带时间格式，不匹配MM-DD YYYY）
   • 分组2（大小）：11.93 GiB

3. 示例3：仅存在日期

   Uploaded 11-20 2017, Size, ULed by P_O_O_P

   • 分组1（日期）：11-20 2017
   • 分组2（大小）：空（因Size后无有效大小值）

额外建议 #

• 使用命名分组提升可读性：如果你的编程语言支持（如Python、JavaScript ES2018+），可以用命名分组替代数字分组，更直观：

  (?=.*?(?:\b\d{2}-\d{2}\s\d{4}\b|\b\d+(?:\.\d+)?\s*[TGMK]iB\b))(?:Uploaded\s+(?P<date>\d{2}-\d{2}\s\d{4})\s*,)?\s*(?:Size\s+(?:(?P<size>\d+(?:\.\d+)?\s*[TGMK]iB))?\s*,)?
  

  捕获时可以直接通过date和size名称获取结果。
• 边界匹配强化准确性：保留\b边界符，避免部分匹配（比如不会误把123-45 678当成日期，或12.3 K当成大小）。

内容的提问来源于stack exchange，提问作者Michael Schm.