题
有一种方法,以匹配的图案(e\d\d
)几次,捕获每一个成一组?例如,给定字符串..
blah.s01e24e25
..我希望得到四组:
1 -> blah
2 -> 01
3 -> 24
4 -> 25
在明显的正则表达式使用是(在Python正则表达式:
import re
re.match("(\w+).s(\d+)e(\d+)e(\d+)", "blah.s01e24e25").groups()
..但我也想匹配下面的任一:
blah.s01e24
blah.s01e24e25e26
您似乎无法做到(e\d\d)+
,或者说你可以,但它只是抓住了最后一次出现:
>>> re.match("(\w+).s(\d+)(e\d\d){2}", "blah.s01e24e25e26").groups()
('blah', '01', 'e25')
>>> re.match("(\w+).s(\d+)(e\d\d){3}", "blah.s01e24e25e26").groups()
('blah', '01', 'e26')
我想这样做在一个单一的正则表达式,因为我有多种模式相匹配的电视节目的文件名,并且不希望复制每个表达式来处理多个事件:
\w+\.s(\d+)\.e(\d+) # matches blah.s01e01
\w+\.s(\d+)\.e(\d+)\.e(\d+) # matches blah.s01e01e02
\w+\.s(\d+)\.e(\d+)\.e(\d+)\.e(\d+) # matches blah.s01e01e02e03
\w - \d+x\d+ # matches blah - 01x01
\w - \d+x\d+\d+ # matches blah - 01x01x02
\w - \d+x\d+\d+\d+ # matches blah - 01x01x02x03
..等众多其它图案。
另一件事情复杂化 - 我想这些regexs存储在配置文件中,所以使用的解决方案多regexs和函数调用是不希望的 - 但是,如果这被证明是不可能的我就允许用户添加简单regexs
基本上,有一个方法使用正则表达式来捕获的重复图案?
解决方案 4
在思考的问题后,我想我有一个简单的解决方案,使用命名组。
用户(或I)可以用最简单的正则表达式是:
(\w+\).s(\d+)\.e(\d+)
的文件名解析类会第一组作为节目名称,第二季作为数,第三作为集数。这涵盖了大部分的文件。
我会允许这几个不同的命名组:
(?P<showname>\w+\).s(?P<seasonnumber>\d+)\.e(?P<episodenumber>\d+)
要支持多集,我会支持两个命名组,像startingepisodenumber
和endingepisodenumber
支持之类的东西showname.s01e01-03
:
(?P<showname>\w+\)\.s(?P<seasonnumber>\d+)\.e(?P<startingepisodenumber>\d+)-(?P<endingepisodenumber>e\d+)
最后,允许命名组名字匹配episodenumber\d+
(episodenumber1
,episodenumber2
等):
(?P<showname>\w+\)\.
s(?P<seasonnumber>\d+)\.
e(?P<episodenumber1>\d+)
e(?P<episodenumber2>\d+)
e(?P<episodenumber3>\d+)
但仍需要可能重复用于不同量e01
s的模式,但绝不会有两个非连续的事件(如show.s01e01e03e04
)的文件,所以使用starting/endingepisodenumber
组应该解决这个问题,并为怪异的情况下,用户遇到,他们可以使用episodenumber\d+
组名称
这并没有真正回答序列的图案的问题,但它解决了,导致我问这问题! (我还是会接受另一种答案,说明如何在一个正则表达式匹配s01e23e24...e27
- !如果有人工作了这一点)
其他提示
做的两个步骤,一是找到所有的数字,然后一个分裂他们:
import re
def get_pieces(s):
# Error checking omitted!
whole_match = re.search(r'\w+\.(s\d+(?:e\d+)+)', s)
return re.findall(r'\d+', whole_match.group(1))
print get_pieces(r"blah.s01e01")
print get_pieces(r"blah.s01e01e02")
print get_pieces(r"blah.s01e01e02e03")
# prints:
# ['01', '01']
# ['01', '01', '02']
# ['01', '01', '02', '03']
捕获基团等于括号组的数量的数量。看看findall
或finditer
解决您的问题。
非分组括号:(?:asdfasdg)
不具有出现:(?:asdfasdf)?
c = re.compile(r"""(\w+).s(\d+)
(?:
e(\d+)
(?:
e(\d+)
)?
)?
""", re.X)
或
c = re.compile(r"""(\w+).s(\d+)(?:e(\d+)(?:e(\d+))?)?""", re.X)
也许这样的事情?
def episode_matcher(filename):
m1= re.match(r"(?i)(.*?)\.s(\d+)((?:e\d+)+)", filename)
if m1:
m2= re.findall(r"\d+", m1.group(3))
return m1.group(1), m1.group(2), m2
# auto return None here
>>> episode_matcher("blah.s01e02")
('blah', '01', ['02'])
>>> episode_matcher("blah.S01e02E03")
('blah', '01', ['02', '03'])