Question

我编写了一个带有以下函数的python脚本，该脚本将包含多个日期的文件名作为输入。

CODE

import re
from datetime import datetime

def ExtractReleaseYear(title):
    rg = re.compile('.*?([\[\(]?((?:19[0-9]|20[01])[0-9])[\]\)]?)', re.IGNORECASE|re.DOTALL)
    match = rg.search(title) # Using non-greedy match on filler
    if match:
        releaseYear = match.group(1)
        try:
            if int(releaseYear) >= 1900 and int(releaseYear) <= int(datetime.now().year) and int(releaseYear) <= 2099: # Film between 1900-2099
                return releaseYear
        except ValueError:
            print("ERROR: The film year in the file name could not be converted to an integer for comparison.")
            return ""

print(ExtractReleaseYear('2012.(2009).3D.1080p.BRRip.SBS.x264'))
print(ExtractReleaseYear('Into.The.Storm.2012.1080p.WEB-DL.AAC2.0.H264'))
print(ExtractReleaseYear('2001.A.Space.Odyssey.1968.1080p.WEB-DL.AAC2.0.H264'))

输出

返回：2012年 - 我希望这是2009年（即字符串中最后一次出现的年份）

返回：2012年 - 这是正确的！（最后一次出现的年份是第一次，因此是正确的）

返回：2001年 - 我希望这是1968年（即最后一次出现在字符串中）

问题

可以看出，正则表达式只会针对一年的第一次出现而不是最后一次出现。这是有问题的，因为有些标题（例如此处包含的标题）以一年开头。

搜索了获得年度最后一次出现的方法后，我找到了negative lookahead，last occurrence of repeated group和last 4 digits in URL等资源，这些资源都没有让我更接近实现期望的结果。目前没有任何问题可以回答这个独特的案例。

预期成果

我想从给定的文件名中提取一年中的LAST事件（而不是第一个），并使用上面输出引用中所述的现有定义/函数返回它。虽然我使用了在线正则表达式引用，但我是regex的新手，并希望有人向我展示如何实现此过滤器来处理上面的文件名。干杯人。

Answer 1

根据@kenyanke回答选择findall()而不是search()将是一个更好的选择，因为前者返回所有非重叠匹配模式。您可以选择最后匹配的模式为releaseYear。这是我的正则表达式releaseYear

rg = re.compile(r'[^a-z](\d{4})[^a-z]', re.IGNORECASE)
match = rg.findall(title)
if match:
        releaseYear = match[-1]

以上正则表达式的假设是releaseYear之前或之后的直接字母是非字母字符。三个字符串的结果（match）是

['2009']
['2012']
['1968']

Answer 2

您需要更改两件事：

第一个.*?懒惰模式必须转为贪婪.*（在这种情况下，.*之后的子模式将与字符串中的最后一个匹配）
您需要使用的组是第2组，而不是第1组（因为它是存储年份数据的组）。或者使第一个捕获组不捕获。

请参阅this demo：

rg = re.compile('.*([\[\(]?((?:19[0-9]|20[01])[0-9])[\]\)]?)', re.IGNORECASE|re.DOTALL)
...
releaseYear = match.group(2)

或者：

rg = re.compile('.*(?:[\[\(]?((?:19[0-9]|20[01])[0-9])[\]\)]?)', re.IGNORECASE|re.DOTALL)
...
releaseYear = match.group(1)

Answer 3

考虑在search（）上使用findall（）？

它会将所有找到的值从左到右放入列表中，只需访问最右边的值即可获得所需的值。

import re
from datetime import datetime

def ExtractReleaseYear(title):
    rg = re.compile('.*?([\[\(]?((?:19[0-9]|20[01])[0-9])[\]\)]?)', re.IGNORECASE|re.DOTALL)
    match = rg.findall(title)

    if match:
        try:
            releaseYear = match[-1][-1]
            if int(releaseYear) >= 1900 and int(releaseYear) <= int(datetime.now().year) and int(releaseYear) <= 2099: # Film between 1900-2099
                return releaseYear
        except ValueError:
            print("ERROR: The film year in the file name could not be converted to an integer for comparison.")
            return ""

print(ExtractReleaseYear('2012.(2009).3D.1080p.BRRip.SBS.x264'))
print(ExtractReleaseYear('Into.The.Storm.2012.1080p.WEB-DL.AAC2.0.H264'))
print(ExtractReleaseYear('2001.A.Space.Odyssey.1968.1080p.WEB-DL.AAC2.0.H264'))

正则表达式匹配字符串中的最后一次出现

3 个答案: