如何用正则表达式筛选repo/bob/ebb下特定目录的XML文件

嘿，我来帮你搞定这个XML文件筛选的问题！从你的需求来看，你需要从repo/bob/ebb目录下的所有XML文件里，精准找出符合两种目录结构的文件，对吧？下面我给你两种常用的实现方式，你可以根据自己的使用场景来选：

方式一：用命令行（Find命令） #

如果你习惯用终端操作，find命令是绝佳选择，它能递归遍历目录并匹配规则：

场景1：短横线代表单个任意字符 #

比如bb--表示bb后面跟2个任意字符的目录，dl-----------表示dl后面跟11个任意字符的目录，那命令可以这么写：

find repo/bob/ebb -path "repo/bob/ebb/bb??/nr/dl???????????/*.xml" -o -path "repo/bob/ebb/bb????/nr/dl???????????/*.xml"

解释一下：

• -path用来匹配完整的文件路径
• ??匹配任意2个单个字符，????匹配任意4个，以此类推
• -o表示“或”的逻辑，同时匹配两种目录规则
• 如果要递归包含子目录里的所有XML，把*.xml改成**/*.xml（部分shell需要开启globstar选项，比如bash里执行shopt -s globstar）

场景2：短横线代表任意长度的任意字符 #

如果bb--是指bb开头的任意目录（不管后面有多少字符），dl-----------是dl开头的任意目录，那命令可以简化成：

find repo/bob/ebb -path "repo/bob/ebb/bb*/nr/dl*/**/*.xml"

这里的*会匹配任意长度的字符序列（包括空字符），**用来递归匹配所有子目录。

方式二：用Python代码处理 #

如果你的XML文件列表已经是数组形式（比如在Python里处理），可以用正则表达式或者glob模块来筛选：

用正则表达式 #

先定义匹配路径的正则规则，然后遍历数组过滤：

import re

# 假设你的XML文件路径数组是xml_files
xml_files = ["repo/bob/ebb/bbab/nr/dl12345678901/file1.xml", ...]

# 正则规则：匹配两种目录结构，短横线代表单个任意字符的情况
pattern = r'repo/bob/ebb/bb.{2}/nr/dl.{11}/.*\.xml$'
# 如果是任意长度字符，改成：r'repo/bob/ebb/bb.+/nr/dl.+/.*\.xml$'

filtered_files = [file for file in xml_files if re.match(pattern, file)]

# 输出结果
for file in filtered_files:
    print(file)

解释：

• .{2}匹配任意2个字符，对应bb--的两个短横线
• .{11}匹配任意11个字符，对应dl-----------的11个短横线
• 如果是任意长度，用.+（匹配至少一个任意字符）或者.*（匹配0个或多个）

用glob模块直接查找文件 #

如果你还没获取文件数组，直接用glob来遍历目录：

import glob

# 单个字符匹配的情况
files1 = glob.glob('repo/bob/ebb/bb??/nr/dl???????????/**/*.xml', recursive=True)
files2 = glob.glob('repo/bob/ebb/bb????/nr/dl???????????/**/*.xml', recursive=True)
filtered_files = files1 + files2

# 任意长度字符的情况
filtered_files = glob.glob('repo/bob/ebb/bb*/nr/dl*/**/*.xml', recursive=True)

recursive=True会开启递归遍历子目录，正好符合你“递归包含该目录下所有XML文件”的需求。

小提示 #

如果不确定目录名的匹配规则，可以先手动列几个符合条件的路径，测试一下正则或者glob模式是否能命中，这样能避免遗漏或者误匹配哦！

内容的提问来源于stack exchange，提问作者Ammar Ahmad