Question

有没有办法多次匹配模式（e\d\d），将每个模式捕获到一个组中？例如，给定字符串..

blah.s01e24e25

..我希望得到四组：

1 -> blah
2 -> 01
3 -> 24
4 -> 25

使用的显式正则表达式是（在Python正则表达式中：

import re
re.match("(\w+).s(\d+)e(\d+)e(\d+)", "blah.s01e24e25").groups()

..但我也希望匹配以下任何一种：

blah.s01e24
blah.s01e24e25e26

您似乎无法做(e\d\d)+，或者更确切地说，您可以，但它只捕获最后一次出现：

>>> 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')

我想在单个正则表达式中执行此操作，因为我有多个模式来匹配电视剧集文件名，并且不希望复制每个表达式来处理多个剧集：

\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

......以及其他许多模式。

使问题复杂化的另一件事 - 我希望将这些正则表达式存储在配置文件中，因此不需要使用多个正则表达式和函数调用的解决方案 - 但如果这证明不可能，我将只允许用户添加简单的正则表达式< / p>

基本上，有没有办法使用正则表达式捕获重复模式？

Answer 1

分两步完成，一个用于查找所有数字，一个用于分割它们：

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 2

捕获的组数等于括号组的数量。请查看findall或finditer以解决您的问题。

Answer 3

非分组括号：（？：asdfasdf）

不必出现：（？：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 4

在考虑了这个问题之后，我想我有一个更简单的解决方案，使用命名组。

用户（或我）可以使用的最简单的正则表达式是：

(\w+\).s(\d+)\.e(\d+)

文件名解析类将第一组作为节目名称，第二组作为季节编号，第三组作为剧集编号。这涵盖了大多数文件。

我将允许一些不同的命名组：

(?P<showname>\w+\).s(?P<seasonnumber>\d+)\.e(?P<episodenumber>\d+)

为支持多集，我会支持两个命名群组，例如startingepisodenumber和endingepisodenumber来支持showname.s01e01-03之类的内容：

(?P<showname>\w+\)\.s(?P<seasonnumber>\d+)\.e(?P<startingepisodenumber>\d+)-(?P<endingepisodenumber>e\d+)

最后，允许名称与episodenumber\d+ episodenumber1，episodenumber2等匹配的名称组：

(?P<showname>\w+\)\.
s(?P<seasonnumber>\d+)\.
e(?P<episodenumber1>\d+)
e(?P<episodenumber2>\d+)
e(?P<episodenumber3>\d+)

它仍然需要复制不同数量e01 s的模式，但永远不会有一个包含两个非连续剧集的文件（如show.s01e01e03e04），所以使用{{1} }群组应该解决这个问题，对于用户遇到的奇怪案例，他们可以使用starting/endingepisodenumber群组名称

这并没有真正回答模式序列问题，但它解决了导致我问这个问题的问题！（我仍会接受另一个答案，说明如何在一个正则表达式中匹配episodenumber\d+ - 如果有人解决了这个问题！）

Answer 5

也许是这样的？

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'])

正则表达式和一系列模式？

5 个答案: