Una manera de utilizar expresiones regulares para encontrar un conjunto de nombres de fichero caminos en una cadena

Question

Los buenos mañana

¿Hay una buena manera de utilizar expresiones regulares en C# con el fin de encontrar todos los nombres de archivo y sus caminos dentro de una variable string?

Por ejemplo, si usted tiene esta cadena:

string s = @"Hello John 

these are the files you have to send us today: <file>C:\Development\Projects 2010\Accounting\file20101130.csv</file>, <file>C:\Development\Projects 2010\Accounting\orders20101130.docx</file> 

also we would like you to send <file>C:\Development\Projects 2010\Accounting\customersupdated.xls</file> 

thank you"; 

el resultado sería:

C:\Development\Projects 2010\Accounting\file20101130.csv 
C:\Development\Projects 2010\Accounting\orders20101130.docx 
C:\Development\Projects 2010\Accounting\customersupdated.xls 

Editado: Teniendo en cuenta lo que dijo @Jim, he editado la cadena de la adición de etiquetas de para facilitar la extracción de los nombres de archivo necesarios de la cadena!

Answer 1

Aquí hay algo que se me ocurrió:

using System; 
using System.Text.RegularExpressions; 

public class Test 
{ 

    public static void Main() 
    { 
     string s = @"Hello John these are the files you have to send us today: 
      C:\projects\orders20101130.docx also we would like you to send 
      C:\some\file.txt, C:\someother.file and d:\some file\with spaces.ext 

      Thank you"; 

     Extract(s); 

    } 

    private static readonly Regex rx = new Regex 
     (@"[a-z]:\\(?:[^\\:]+\\)*((?:[^:\\]+)\.\w+)", RegexOptions.IgnoreCase); 

    static void Extract(string text) 
    { 
     MatchCollection matches = rx.Matches(text); 

     foreach (Match match in matches) 
     { 
      Console.WriteLine("'{0}'", match.Value); 
     } 
    } 

} 

Produce: (ver en ideone)

'C:\projects\orders20101130.docx', file: 'orders20101130.docx' 
'C:\some\file.txt', file: 'file.txt' 
'C:\someother.file', file: 'someother.file' 
'd:\some file\with spaces.ext', file: 'with spaces.ext' 

La expresión regular no es extremadamente robusto (sí hace algunas suposiciones) pero funcionó para tus ejemplos también

---

Aquí está una versión del programa si se utiliza <file> etiquetas. Cambiar la expresión regular y Extract a:

private static readonly Regex rx = new Regex 
    (@"<file>(.+?)</file>", RegexOptions.IgnoreCase); 

static void Extract(string text) 
{ 
    MatchCollection matches = rx.Matches(text); 

    foreach (Match match in matches) 
    { 
     Console.WriteLine("'{0}'", match.Groups[1]); 
    } 
} 

También disponible en ideone.

Answer 2

Si se pone algunas restricciones en sus requisitos de nombre de archivo, puede utilizar código similar al siguiente:

string s = @"Hello John 

these are the files you have to send us today: C:\Development\Projects 2010\Accounting\file20101130.csv, C:\Development\Projects 2010\Accounting\orders20101130.docx 

also we would like you to send C:\Development\Projects 2010\Accounting\customersupdated.xls 

thank you"; 

Regex regexObj = new Regex(@"\b[a-z]:\\(?:[^<>:""/\\|?*\n\r\0-\37]+\\)*[^<>:""/\\|?*\n\r\0-\37]+\.[a-z0-9\.]{1,5}", RegexOptions.IgnorePatternWhitespace|RegexOptions.IgnoreCase); 
MatchCollection fileNameMatchCollection = regexObj.Matches(s); 
foreach (Match fileNameMatch in fileNameMatchCollection) 
{ 
    MessageBox.Show(fileNameMatch.Value); 
} 

En este caso, he limitado extensiones a una longitud de 1-5 caracteres. Obviamente, puede usar otro valor o restringir aún más los caracteres permitidos en las extensiones de nombre de archivo. La lista de caracteres válidos está tomada del artículo Naming Files, Paths, and Namespaces de MSDN.

Answer 3

Si utiliza <file> etiqueta y el texto final se podría representar documento XML como un formato correcto (en cuanto a ser xml interior, es decir texto sin etiquetas de raíz), es probable que pueda hacer:

var doc = new XmlDocument(); 
doc.LoadXml(String.Concat("<root>", input, "</root>")); 

var files = doc.SelectNodes("//file"): 

o

var doc = new XmlDocument(); 

doc.AppendChild(doc.CreateElement("root")); 
doc.DocumentElement.InnerXml = input; 

var nodes = doc.SelectNodes("//file"); 

Ambos métodos funcionan realmente y están muy orientados a objetos, especialmente el segundo.

Y traerá bastante más rendimiento.

Véase también - Don't parse (X)HTML using RegEx