使用RegEx解析文件名 - Python

Question

我试图获得真实的＆＃34;下载时，名称中的电影名称。 所以，例如，我有

Star.Wars.Episode.4.A.New.Hope.1977.1080p.BrRip.x264.BOKUTOX.YIFY

并希望得到

Star Wars Episode 4 A New Hope

所以我正在使用这个正则表达式：

.*?\d{1}?[ .a-zA-Z]*

效果很好，但仅适用于带有数字的电影，例如“钢铁侠3”和“钢铁侠3”。例如。 我希望能够收到像“星际之际”这样的电影。从

Interstellar.2014.1080p.BluRay.H264.AAC-RARBG

我现在得到了

Interstellar 2

我尝试了几种方法，并且已经花费了很多时间，但是如果你有任何关于如何做的建议/想法/提示，那么问你们是不是很伤心... 非常感谢！

Answer 1

根据您的示例并假设您始终在 1080p 下载（或知道该字段的值）：

x = 'Interstellar.2014.1080p.BluRay.H264.AAC-RARBG'
y = x.split('.')
print " ".join(y[:y.index('1080p')-1])

忘记正则表达式（现在无论如何！）并使用固定字段布局。找到您认识的字段（1080p）并删除您不想要的信息（年份）。重新组合结果，你得到“星际”和“星球大战第4集新希望”。

Answer 2

假设电影的文件名中总是有一个四位数年份或四位数分辨率表示法，一个简单的解决方案会替换不需要的部分：

  

“（？：\ | \ d {4,4} + $）”

通过空白，事后剥离（）......

例如：

    test1 = "Star.Wars.Episode.4.A.New.Hope.1977.1080p.BrRip.x264.BOKUTOX.YIFY"
    test2 = "Interstellar.2014.1080p.BluRay.H264.AAC-RARBG"

    res1 = re.sub(r"(?:\.|\d{4,4}.+$)",' ',test1).strip()
    res2 = re.sub(r"(?:\.|\d{4,4}.+$)",' ',test2).strip()

    print(res1, res2, sep='\n')


>>> Star Wars Episode 4 A New Hope
>>> Interstellar

Answer 3

以下正则表达式可行（假设格式类似于moviename.year.1080p.anything或moviename.year.720p.anything：

.*(?=.\d{4}.*\d{3,}p)

Regex example（尝试单元测试以查看正则表达式）

<强>解释

Answer 4

\.(?=.*?(?:19|20)\d{2}\b)|(?:19|20)\d{2}\b.*$

使用re.sub尝试此操作。请参阅演示。

https://regex101.com/r/hR7tH4/10

import re
p = re.compile(r'\.(?=.*?(?:19|20)\d{2}\b)|(?:19|20)\d{2}\b.*$', re.MULTILINE)
test_str = "Star.Wars.Episode.4.A.New.Hope.1977.1080p.BrRip.x264.BOKUTOX.YIFY\nInterstellar.2014.1080p.BluRay.H264.AAC-RARBG\nIron Man 3"
subst = " "

result = re.sub(p, subst, test_str)