使用通配符检查文件名搜索模式中的冲突

Question

我需要比较文件系统通配符表达式以查看它们的结果是否仅通过 examining/comparing 表达式重叠。

例如，我们正在构建一个实用程序，该实用程序可以根据文件系统通配符表达式将一个（或多个位置）的文件分类到单独的文件夹中。例如：*.txt 进入文件夹 a，*.doc 进入文件夹 b，等等。我们支持的通配符是 * 和 ?

我希望能够通过分析通配符表达式来确定它们是否 conflict/overlap。

例如，如果我有以下表达式：

*.x.y
*.y

它们会发生冲突（重叠），因为第二个表达式 *.y 会包含 *.x.y 结果。（例如 A.x.y 将匹配两个表达式）

我正在通过使用所有表达式构建树结构来解决这个问题，我认为如果表达式冲突，构建树的行为就会失败。

For example:
*.x
a.b
a.c
b.d

might create a tree like 

         +-*-.-x
         |
start +--+
         |     +-b
         |     |
         +-a-.-+-c
         |
         |
         +-b-.-d

如果我尝试添加模式 b.x，树将在 *.x 路径后成功，从而表明该模式已经存在。

我的方向是否正确？或者是否有已知的攻击算法？

Answer 1

将每个通配符表达式转换为与其匹配的有限自动机。

计算有限自动机的交集。

使用动态规划查看交集是否永远匹配。

如果您不认识这些概念，请参阅 Algorithm for exclusion of numbers 几年前我的解释尝试。（此时计算匹配一组正则表达式的事物，但原理是相同的。）

Answer 2

要检查两个通配符模式是否可以匹配相同的文件名，您可以将此问题视为在字符对之间创建一个比较网格，然后检查是否存在对角线路径。下图显示了如何检查通配符模式 ab?.c?? 和 a*bc.* 是否存在可能的冲突：

当发现两个相同的文字字符匹配时，您沿对角线移动到下一个字符进行检查。 （用绿色箭头表示）

当遇到文字字符和单字符通配符?时，有两种可能：要么通配符匹配字符（对角移动），要么通配符匹配空space，你跳过它。 （用紫色箭头表示）

当遇到多字符通配符*时，需要考虑三种可能：通配符匹配另一个字符之前的空space，通配符匹配其他字符，或通配符匹配多个字符。 （用蓝色箭头表示）

代码示例 1（迭代）

下面是一个简单的 javascript 实现，它沿对角线遍历网格，标记从当前单元格可以到达的单元格，然后检查右下角的单元格是否可以到达。运行代码片段看几个例子。 （更新：从上到下从左到右会很好，而不是对角）

function wildConflict(wild1, wild2) {
    var grid = [[true]], width = wild1.length, height = wild2.length;
    for (var x = 1; x <= width; x++) grid[x] = [];
    for (var y = 0; y < height; y++) {
        for (var x = 0; x < width; x++) {
            if (grid[x][y]) {
                var a = wild1.charAt(x), b = wild2.charAt(y);
                if (a == '*' || b == '*' || a == '?' || b == '?' || a == b) grid[x + 1][y + 1] = true;
                if (a == '*' || b == '*' || a == '?') grid[x + 1][y] = true;
                if (a == '*' || b == '*' || b == '?') grid[x][y + 1] = true;
            }
        }
    }
    return grid[width][height] == true;
}

var a = ["a", "a", "a*", "abc", "a*", "*.x.y", "*.x.y", "a*b*", "a*bc.*", "a?c.de"];
var b = ["a", "b", "abc", "a?", "*b", "*.y", "*.x", "a*c*", "ab?.c??", "ac.d??"];
for (var i in a) document.write("&quot;" + a[i] + "&quot; &harr; &quot;" + b[i] + "&quot; &rarr; " + wildConflict(a[i], b[i]) + "<BR>");

代码示例 2（递归）

简单的递归实现有可能多次检查某些字符对的缺点。它不需要二维数组，但递归显然也使用内存。

注意当遇到多字符通配符*时，算法递归只有两种可能：跳过一个字符，或者跳过另一个字符；跳过两个字符（即通配符恰好匹配一个字符）在下一步处理，当通配符与下一个字符进行比较时。

function wildConflict(wild1, wild2) {
    var w1 = wild1.split(''), w2 = wild2.split('');
    return conflict(0, 0);

    function conflict(p1, p2) {
        if (p1 == w1.length || p2 == w2.length) {
            if ((p1 == w1.length && p2 == w2.length)
            || (p1 == w1.length - 1 && (w1[p1] == '*' || w1[p1] == '?'))
            || (p2 == w2.length - 1 && (w2[p2] == '*' || w2[p2] == '?'))) {
                return true;
            }
            else return false;                            // premature end
        }
        else if (w1[p1] == '*' || w2[p2] == '*' || (w1[p1] == '?' && w2[p2] == '?')) {
            return conflict(p1 + 1, p2) || conflict(p1, p2 + 1);
        }
        else if (w1[p1] == '?') {
            return conflict(p1 + 1, p2) || conflict(p1 + 1, p2 + 1);
        }
        else if (w2[p2] == '?') {
            return conflict(p1, p2 + 1) || conflict(p1 + 1, p2 + 1);
        }
        else if (w1[p1] == w2[p2]) {
            return conflict(p1 + 1, p2 + 1);
        }
        else return false;                               // unequal literals
    }
}

var x = ["a", "a", "a*", "abc", "a*", "*.x.y", "*.x.y", "a*b*", "a*bc.*", "a?c.de"];
var y = ["a", "b", "abc", "a?", "*b", "*.y", "*.x", "a*c*", "ab?.c??", "ac.d??"];
for (var i in x) document.write("&quot;" + x[i] + "&quot; &harr; &quot;" + y[i] + "&quot; &rarr; " + wildConflict(x[i], y[i]) + "<BR>");

Answer 3

我想你可以将模式转换为正则表达式，然后看看它们是否相互匹配？这里的解决方案是基于 the rules for Directory.GetFiles on MSDN——我觉得它有 一些东西 不对，但我不确定是什么。

这是一个基本的实现

    private bool Equivalent(string patternOne, string patternTwo)
    {
        // convert both patterns to regexes based on rules for Directory.GetFiles
        var expressionOne = FilePatternToRegex(patternOne);
        var expressionTwo = FilePatternToRegex(patternTwo);

        // if either regex matches the opposite pattern, we've got a conflict
        return expressionTwo.IsMatch(patternOne) || expressionOne.IsMatch(patternTwo);
    }

    Regex FilePatternToRegex(string pattern)
    {
        // separate extension and filename
        var extension = Path.GetExtension(pattern);
        var filename = Path.GetFileNameWithoutExtension(pattern);

        // escape filename
        filename = EscapeFilePattern(filename);

        // 3 character extensions are a special case -- should be greedy eg xls matches xlsx
        // extension.Length == 4 bc its dot AND 3 characters
        if (extension.Length == 4 && !extension.Contains("*") && !extension.Contains("?"))
        {
            extension = extension + ".*";
        }
        else
        {
            // all other extension lengths just get escaped like normal regexes
            extension = EscapeFilePattern(extension);
        }

        // our final pattern should also only match at the string start/end
        var finalPattern = "\A" + filename + extension + "\z";

        return new Regex(finalPattern);
    }

    string EscapeFilePattern(string pattern)
    {
        // escape star and question mark bc they are filepattern significant
        pattern = pattern.Replace("*", "%S%").Replace("?", "%Q%");

        // escape all other special regex characters
        pattern = Regex.Escape(pattern);

        // turn star and question mark into their regex equivalents
        pattern = pattern.Replace("%S%", ".+").Replace("%Q%", ".");

        return pattern;
    }

编辑：根据评论中的进一步讨论，这被打破了。使用代码示例证明它已损坏：

        var dir = new DirectoryInfo(Environment.CurrentDirectory).CreateSubdirectory(Guid.NewGuid().ToString());
        var path = Path.Combine(dir.FullName, "abc");

        File.WriteAllText(path, "*");

        // verify both patterns match our file
        Assert.AreEqual(path, dir.GetFiles("a*c*")[0].FullName);
        Assert.AreEqual(path, dir.GetFiles("a*b*")[0].FullName);

        // current regex based solution thinks they are NOT equivalent 
        // when they are
        Assert.IsFalse(Equivalent("a*c*", "a*b*"));

使用通配符检查文件名搜索模式中的冲突

Checking collision in filename search patterns with wildcards

c#

algorithm

filenames

wildcard

collision