Question

我正在开发视频播放器，用于扫描用户的视频文件并尝试从文件名中识别它们。如果视频是电影，我想得到它的名字和视频的质量，如果是电视节目，我想得到节目的名称，季节的号码，剧集的号码和视频的质量。

我用Google搜索了一些示例文件名，并制作了一个简单的脚本，试图获取信息，但是我很难处理异常，例如在质量之前有剧集的名称，当文件的标签像“PROPER”或者如果用户在质量之前将视频的来源设置为“BluRay”。

如果有更熟练使用正则表达式的人会给予一些帮助，我将非常感激。

谢谢！

import re
names = [
    "The.Newsroom.2012.S02E06.720p.HDTV.x264-KILLERS.mkv",
    "Breaking.Bad.S05E10.Buried.HDTV.XviD-AFG.avi",
    "Breaking.Bad.S05E10.Buried.720p.HDTV.x264-AFG.mkv", #Incorrectly nonHD
    "Dexter.S08E08.HDTV.XviD-AFG.avi",
    "Dexter.S08E07.1080p.HDTV.x264-QCF.mkv",
    "Dexter S08E07 720p HDTV x264-QCF.mkv",
    "The.Great.Gatsby.2013.BluRay.1080p.DTS.x264-CHD.mkv", #Incorrectly nonHD
    "The Forbidden Girl 2013 BRRIP Xvid AC3-BHRG.avi",
    "Pain.&.Gain.2013.720p.BluRay.DD5.1.x264-HiDt.mkv",
    "Band.of.Brothers.S01E02.Day.of.Days.DVDRip.XviD-AC3-BAGS.avi",
    "Dexter.S08E06.PROPER.720p.HDTV.x264-IMMERSE.mkv", #Incorrectly nonHD
    "Dexter S08E06 PROPER 720p HDTV x264-IMMERSE.mkv" #Incorrectly nonHD
]
for name in names:
    tv = re.findall(r"(.*?)[ |.]S([\d+]{1,2})E([\d+]{1,2})[ |.]([\d+]{3,4}p|)", name) #FIXME: Get quality also after "PROPER/EPTITLE/.."
    if len(tv)>0:
        print("---------- TV ----------")
        print("Show: "+tv[0][0].replace(".", " "))
        print("Season: "+str(int(tv[0][1])))
        print("Episode: "+str(int(tv[0][2])))
        print("Quality: "+(tv[0][3] if len(tv[0][3])>0 else "nonHD"))
    else:
        movie = re.findall(r"(.*?[ |.][\d+]{4})[ |.]([\d+]{3,4}p|)", name) #FIXME: Get quality also after "BluRay/HDTV/HDDVD/.."
        if len(movie)>0:
            print("--------- MOVIE --------")
            print("Title: "+movie[0][0].replace(".", " "))
            print("Quality: "+(movie[0][1] if len(movie[0][1])>0 else "nonHD"))
        else:
            print("error")

Answer 1

正如Josh所说，+限定符不应与{m,n}一起使用。 +匹配一个或多个re {m,n}匹配m到n重复贪婪。（见：re syntax）。

他也很高兴使用re.VERBOSE来帮助您了解正则表达式的可读性。

编辑:(感谢@eyguem指出这一点）我可能错了，但你的[ |.]试图匹配一个空格和一个句号？如果是这样，你不需要| ~~，这可能是逃避.等特殊字符的好习惯。（即[ \.]）。~~

如果你知道季节/剧集和质量之间的字符串是字母，空格或句号，你可以使用这样的字母（编辑：如果有非字母字符，如' - '，'+'等，你'我需要将它们添加到字符集中）：

    tv = re.findall(r"""(.*)          # Title
                        [ .]
                        S(\d{1,2})    # Season
                        E(\d{1,2})    # Episode
                        [ .a-zA-Z]*  # Space, period, or words like PROPER/Buried
                        (\d{3,4}p)?   # Quality
                    """, name, re.VERBOSE)

同样，您可以为电影部分执行此操作：

movie = re.findall(r"""(.*?[ .]\d{4})  # Title including year
                       [ .a-zA-Z]*     # Space, period, or words
                       (\d{3,4}p)?      # Quality
                    """, name, re.VERBOSE)

这是输出：

---------- TV ----------
Show: The Newsroom 2012
Season: 2
Episode: 6
Quality: 720p
---------- TV ----------
Show: Breaking Bad
Season: 5
Episode: 10
Quality: nonHD
---------- TV ----------
Show: Breaking Bad
Season: 5
Episode: 10
Quality: 720p
---------- TV ----------
Show: Dexter
Season: 8
Episode: 8
Quality: nonHD
---------- TV ----------
Show: Dexter
Season: 8
Episode: 7
Quality: 1080p
---------- TV ----------
Show: Dexter
Season: 8
Episode: 7
Quality: 720p
--------- MOVIE --------
Title: The Great Gatsby 2013
Quality: 1080p
--------- MOVIE --------
Title: The Forbidden Girl 2013
Quality: nonHD
--------- MOVIE --------
Title: Pain & Gain 2013
Quality: 720p
---------- TV ----------
Show: Band of Brothers
Season: 1
Episode: 2
Quality: nonHD
---------- TV ----------
Show: Dexter
Season: 8
Episode: 6
Quality: 720p
---------- TV ----------
Show: Dexter
Season: 8
Episode: 6
Quality: 720p

Answer 2

如果使用re.VERBOSE标志打破了正则表达式，可能会有所帮助。

我看到了

[\d+]{3,4}

我认为这是误导。这是不是意味着“三次或四次重复至少一个小数”？我想

\d{3,4}

很好。

在开发正则表达式时，我首先要创建小模式：

episode_pattern = re.compile(r"S\d+E\d+", re.IGNORECASE)

希望有所帮助。

Answer 3

[ae*6]代表一个角色。这意味着此字符可以是a，e，*或6。
然后，没有必要写[ |.]，顺便说一下，“字符为，|或.”。

我做了一些改进。如果您有任何疑问，请不要犹豫，问我。

注意：像{1}}这样的部分：(?:[ .](\d{3}\d?p)|\Z) 有必要强制懒点.*?转到下一个点。，然后是 720p （如果有），不要停在第一个点。并考虑数字和 p 是可选的如果没有这样的 720p ，那么懒字点会一直持续到字符串的末尾（.*?强制它这样做）并声明它没有找到任何 720p

\Z

Answer 4

我知道这个问题用“re module”来说，但为了有用而不是迂腐，这里有一个更简单，更快速的文件名解析。

file_name = path.rsplit('.', 1)[0].rsplit('/', 1)[-1]

如果你需要它同时适用于windows和unix，最后添加一个rsplit（'\'，1）[ - 1]。这是快速，可预测的，并且每次都会解析文件名。

使用python的re模块解析文件名

4 个答案: