正则表达式返回文件名，删除路径和文件扩展名

Posted 2023-02-15

【中文标题】正则表达式返回文件名，删除路径和文件扩展名

【英文标题】：Regex return file name, remove path and file extension

【发布时间】：2013-02-10 23:55:48

【问题描述】：

我有一个包含文件名文本列的 data.frame。我想返回不带路径或文件扩展名的文件名。通常，我的文件名已编号，但不一定非要编号。例如：

df<-data.frame(data=c("a","b"),fileNames=c("C:/a/bb/ccc/NAME1.ext","C:/a/bb/ccc/d D2/name2.ext"))

我想返回相当于

df<-data.frame(data=c("a","b"),fileNames=c("NAME","name"))

但我无法弄清楚使用 gsub 执行此操作的巧妙正则表达式。例如，我可以去掉扩展名（前提是文件名以数字结尾）：

gsub('([0-9]).ext','',df[,"fileNames"])

虽然我一直在尝试各种模式（通过阅读本网站上的正则表达式帮助文件和类似解决方案），但我无法让正则表达式返回最后一个“/”和第一个“.”之间的文本。非常感谢您对类似问题的任何想法或转发！

我得到的最好的是：

 gsub('*[[:graph:]_]/|*[[:graph:]_].ext','',df[,"fileNames"])

但这 1) 并没有去掉所有前导路径字符，并且 2) 依赖于特定的文件扩展名。

【参考方案1】：

首先，要摆脱“领先路径”，可以使用basename。要删除扩展，您可以使用类似于您在问题中的描述的sub：

filenames <- sub("\\.[[:alnum:]]+$", "", basename(as.character(df$fileNames)))

请注意，您应该在这里使用sub 而不是gsub，因为每个文件名的文件扩展名只能出现一次。此外，您应该使用匹配点的\\.，而不是匹配任何符号的.。最后，您应该将$ 附加到模式中，以确保仅当扩展名位于文件名末尾时才删除它。

编辑： Ananda Mahto 的解决方案中建议的函数file_path_sans_ext 通过sub("([^.]+)\\.[[:alnum:]]+$", "\\1", x) 工作，ie 而不是像上面那样删除扩展，非扩展部分文件名被保留。我看不出这两种方法的任何具体优点或缺点在 OP 的情况下。

【讨论】：

您可能需要在df$fileNames 周围使用as.character，如果它已作为一个因素被读入，如提供的示例数据中所示。

谢谢你，也谢谢你解释正则表达式字符。这很好用。对于这个例子，我使用了 ...as.character(df$fileNames)。

【参考方案2】：

也许这会让你更接近你的解决方案：

library(tools)
basename(file_path_sans_ext(df$fileNames))
# [1] "NAME1" "name2"

file_path_sans_ext 函数来自“工具”包（我相信它通常随 R 一起提供），它将提取到（但不包括）扩展的路径。然后basename 函数将删除您的路径信息。

或者，取自file_path_sans_ext并稍作修改，您可以尝试：

sub("(.*\\/)([^.]+)(\\.[[:alnum:]]+$)", "\\2", df$fileNames)
# [1] "NAME1" "name2"

在这里，我已经“捕获”了“fileNames”变量的所有三个部分，所以如果您只需要文件路径，您可以将"\\2" 更改为"\\1"，如果您只需要文件扩展名，你可以把它改成"\\3"。

【讨论】：

有趣的方法。对我来说，这种方法比正则表达式更清晰，这让我感到困惑。我试试看。

这很好，谢谢。这对我来说更有意义，但这可能是因为我需要更多地练习正则表达式！

@Docuemada，没问题。如图所示，file_path_sans_ext 是一个基本的正则表达式，我怀疑 basename 是（但尚未检查验证）。

是的！ sub("(.*\\/)([^.]+)(\\.[[:alnum:]]+$)", "\\2", df$fileNames) 是我所追求的。感谢您和 zipfzapf 的快速而翔实的回复。