Question

我正在尝试编写正则表达式，以便从文件名中获取有关电视节目集的数据。

我首先展示一些我正在处理的输入以及我喜欢数据输出的例子。

输入：

showname.s01e01e02e03.extension
showname.s01e01-02-03.extension

注意：剧集数量可能会有所不同，但至少会有2集。

输出：

季节数，即＆＃39; 01＆＃39;来自s01
剧集编号，即01e02e03或01-02-03

注意：如果可以使用正则表达式来获取个别剧集编号，那么这也很好 - 如果没有，我会将它们分开。 < / p>

我尝试过的事情：

我not really that great with regular expressions，所以我目前的尝试可能很糟糕。无论如何，这是我到目前为止所得到的 - 显然不起作用：

(?i)s(?<season>\\d{1,4})(e(\\d{1,3})){2,}

我的想法是为季节编号创建一个组（该部分有效），然后尝试根据重复匹配剧集编号，但是，它在这里是3.41 AM，我可以＆＃39;真的把头包住了。

一个完整的解决方案会很好，但任何想法或指示都非常感激： - ）

PS。如果接受的答案包含对正则表达式的解释，以便帮助我和他人学习，我会添加一笔赏金。

Answer 1

季节：01 - 集：01-02-03

底部的简单代码输出上面的字符串（如Java demo底部所示）。但是你说你想要一些解释，所以我们会一步一步地进行。

<强>一步步骤

让我们首先构建一个简单的正则表达式。然后我们会根据您的需求改进输出。

搜索： ^.*?s(\d{2})((?:e\d{2})+)\..*

替换： Season: $1 - Episodes: $2

输出： Season: 01 - Episodes: e01e02e03

在regex101 demo中，请参阅底部的替换。在下面的Java代码中，我们不会替换任何东西。这只是为了看看事情是如何运作的。

解释匹配

^声称我们位于字符串的开头
.*?懒惰地匹配字符，最多......
s(\d{2})匹配s，然后括号将两位数字捕获到第1组
((?:e\d{2})+)中的外括号定义了捕获组2
非捕获组(?:e\d{2})匹配e和两位数，
+量词确保我们这样做一次或多次，允许我们捕捉到第2组的所有剧集
\.与扩展名之前的时段匹配
.*匹配字符串的结尾

解释替换

在下面的代码中，我们在剧集之间没有e。
Season:写入文字字符Season:
$1是对第1组的反向引用，并插入季节
- Episodes:插入文字字符- Episodes:
$2是对第2组的反向引用，并插入剧集

更进一步：剧集编号（或其他改进）之间的破折号

让我们说你想要Season: 01 - Episodes: 01-02-03

这在简单的正则表达式搜索中是不可能的，并且在文本编辑器中替换，但在编程语言中很容易使用匹配的捕获组来构建输出字符串。

以下是示例Java代码（请参阅online demo底部的输出）：

String subject = "showname.s01e01e02e03.extension";
Pattern regex = Pattern.compile("^.*?s(\\d{2})((?:e\\d{2})+).*");
Matcher m = regex.matcher(subject);
String myoutput = "No Match"; // initialize
if (m.find()) {
    myoutput = "Season: " + m.group(1) +" - Episodes: " ;
    myoutput += m.group(2).substring(1,m.group(2).length()).replace("e", "-");
}
System.out.println(myoutput);

代码如何运作

我们使用上面的正则表达式
对于我们的匹配，我们分几步构建输出字符串
在简单演示中，myoutput = "Season: " + m.group(1) +" - Episodes: " ;为我们提供了一些文字字符，第1组（季节）和更多文字字符
对于剧集字符串，我们不是直接使用第2组（即m.group(2)），而是使用短划线替换所有e个字符：replace("e", "-") ...但仅在第一个字符串后面开始字符，因为我们不想用短划线替换第一个e：m.group(2).substring(1,m.group(2).length())

Answer 2

_{（我和你一样生活在同一个时区，所以我的尝试可能也不准确，因为我半睡半醒但是我走了）}

如果我理解正确（也试图分析你的正则表达式尝试）

部分sXXXXeXXXeXXX或sXXXXeXXX-XXX始终位于点之间
sXXXX只能存在一次，但可以有1-4位数字（此处由X表示），
在季节信息之后必须有eXXX部分，并且在eXXX或-XXX形式的元素之一（每个只能包含1-3个数字）。

在这种情况下，您可以使用正则表达式

[.]s(?<season>\\d{1,4})e(?<episodes>\\d{1,3}([e-]\\d{1,3})+)[.]

表示

[.] dot literal
s(?<season>\\d{1,4})将匹配sXXXX并将其存储在名为赛季的组中
e字面意思（似乎是您的示例中必须的）
(?<episodes>\\d{1,3}([e-]\\d{1,3})+)
- \\d{1,3}将匹配XXX
- ([e-]\\d{1,3})+以及此后eXXX或-XXX中的至少一个。
换句话说，它会匹配XXXeXXX，XXX-XXX甚至是XXXeXXX-XXX之类的内容，并将其放入名为episodes
[.]点文字

如果您想要一些具有分隔的剧集列表的结构，那么您只需要从名为episodes的组中拆分匹配。由于此匹配可以采用XXXeXXX-XXX格式，因此您可以分为e或-，可以由正则表达式[e-]或e|-表示。

演示：

String[] data = {
        "showname.s01e01e02e03.extension",
        "showname.s01e01-02-03.extension",
};
Pattern p = Pattern.compile(
                "[.]s(?<season>\\d{1,4})e(?<episodes>\\d{1,3}([e-]\\d{1,3})+)[.]",
                Pattern.CASE_INSENSITIVE);
for (String input : data){
    Matcher m = p.matcher(input);
    while (m.find()){
        String season = m.group("season");
        System.out.println(season);
        String episodes = m.group("episodes");
        System.out.println(m.group("episodes"));
        String[] singleEpisodes = episodes.split("[e-]");

        System.out.println("episode numbers"+Arrays.toString(singleEpisodes));
    }
    System.out.println("-----");
}

输出：

01
01e02e03
episode numbers[01, 02, 03]
-----
01
01-02-03
episode numbers[01, 02, 03]
-----

Answer 3

也可以利用其他已经完成剧集名称的正则表达式匹配的人。例如，请参阅此页面，其中讨论了有关XBMC以及它与剧集名称匹配的一些高级主题：

http://wiki.xbmc.org/index.php?title=Advancedsettings.xml#tvshowmatching

如果链接在将来变得陈旧，提到的一些事情是：

<tvshowmatching>
  <regexp>[Ss]([0-9]+)[][ ._-]*[Ee]([0-9]+)([^\\/]*)$</regexp>  <!-- foo.s01.e01, foo.s01_e01, S01E02 foo, S01 - E02 -->
  <regexp>[\._ -]()[Ee][Pp]_?([0-9]+)([^\\/]*)$</regexp>  <!-- foo.ep01, foo.EP_01 -->
  <regexp>([0-9]{4})[\.-]([0-9]{2})[\.-]([0-9]{2})</regexp>  <!-- foo.yyyy.mm.dd.* (byDate=true) -->
  <regexp>([0-9]{2})[\.-]([0-9]{2})[\.-]([0-9]{4})</regexp>  <!-- foo.mm.dd.yyyy.* (byDate=true) -->
  <regexp>[\\/\._ \[\(-]([0-9]+)x([0-9]+)([^\\/]*)$</regexp>  <!-- foo.1x09* or just /1x09* -->
  <regexp>[\\/\._ -]([0-9]+)([0-9][0-9])([\._ -][^\\/]*)$</regexp>  <!-- foo.103*, 103 foo -->
  <regexp>[\/._ -]p(?:ar)?t[_. -]()([ivx]+)([._ -][^\/]*)$</regexp>  <!-- Part I, Pt.VI -->
</tvshowmatching>

请注意，XBMC只是一个起点。我会查找所有相似类型的软件包，看看他们最终决定使用什么样的正则表达式，因为他们已经考虑了很多。

多集文件名的正则表达式模式

3 个答案: