正则表达式和的图案的序列？

Question

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？

Answer 1

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e01s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）

Answer 2

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']

Answer 3

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。

Answer 4

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)

Answer 5

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'])