Question

我是RE的新手，我想获取歌曲歌词并隔离诗歌标题，背景声和主要声。

这是一些歌词的例子：

[Intro]
D.A. got that dope!

[Chorus: Travis Scott]
Ice water, turned Atlantic (Freeze)
Nightcrawlin' in the Phantom (Skrrt, Skrrt)...

经文标题包括方括号和方括号之间的任何单词。可以使用

成功隔离它们

r'\[{1}.*?\]{1}'

背景音乐与诗歌标题相似，但在（）之间。已通过以下方式成功隔离它们：

r'\({1}.*?\){1}'

对于主要人声，我已经使用

r'\S+'

确实隔离了main_vocals，但也隔离了诗句标题和辅助人声。我无法弄清楚如何用简单的RE仅隔离主要人声。

这是一个python脚本，可以获取我想要的输出，但是我想使用RE（作为学习练习）来完成此操作，并且无法通过文档来解决。

import re

file = 'D:/lyrics.txt'
with open(file, 'r') as f:
    lyrics = f.read()

def find_spans(pattern, string):
    pattern = re.compile(pattern)
    return [match.span() for match in pattern.finditer(string)]

verses = find_spans(r'\[{1}.*?\]{1}', lyrics)
backing_vocals = find_spans(r'\({1}.*?\){1}', lyrics)
main_vocals = find_spans(r'\S+', lyrics)

exclude = verses
exclude.extend(backing_vocals)

not_main_vocals = []
for span in exclude:
    start, stop = span
    not_main_vocals.extend(list(range(start, stop)))

main_vocals_temp = []
for span in main_vocals:
    append = True
    start, stop = span
    for i in range(start, stop):
        if i in not_main_vocals: 
            append = False
            continue
    if append == True: 
        main_vocals_temp.append(span)
main_vocals = main_vocals_temp

Answer 1

尝试以下Demo：

pattern = r'(?P<Verse>\[[^\]]+])|(?P<Backing>\([^\)]+\))|(?P<Lyrics>[^\[\(]+)'

您可以使用re.finditer来隔离组。

breakdown = {k: [] for k in ('Verse', 'Backing', 'Lyrics')}
for p in pattern.finditer(song):
    for key, item in p.groupdict().items():
        if item: breakdown[key].append(item)

结果：

{
  'Verse': 
    [
      '[Intro]', 
      '[Chorus: Travis Scott]'
    ], 
  'Backing': 
    [
      '(Freeze)', 
      '(Skrrt, Skrrt)'
    ], 
  'Lyrics': 
    [
      '\nD.A. got that dope!\n\n', 
      '\nIce water, turned Atlantic ', 
      "\nNightcrawlin' in the Phantom ", 
      '...'
    ]
}

为了进一步详细说明模式，它使用命名组将三个不同的组分开。使用[^\]+]和类似方法意味着找到所有不是 ]（同样，当\)意味着所有 not {{1 }}）。在歌词部分，我们排除以)和[开头的任何内容。 link to the demo on regex101将在需要时更详细地解释这些组件。

如果您不喜欢主歌词中的换行符，请使用(（不包括(?P<Lyrics>[^\[\(\n]+)）来使歌词不换行：

\n

Answer 2

您可以使用正则表达式组在右括号和右括号之间搜索文本。如果您的正则表达式中有一个组（圆括号内的子模式），则re.findall将仅返回这些括号的内容。

例如，"\[(.*?)\]"只会找到部分标签，不包括方括号（因为它们不在组中）。

正则表达式"\)(.*?)\("仅找到最后一行（“幻影”中的“ \ nNightcrawlin'”）。
同样，我们可以在第一行找到"\](.*?)\["。

将两种类型的方括号组合到一个字符类中，（看起来更加凌乱）正则表达式"[\]\)](.*?)[\[\(]"捕获了所有歌词。

它将错过在其之前或之后没有方括号的行（即，如果有，则在[简介]之前的最开始；如果其后没有支持人声，则在末尾）。可能的解决方法是在字符串的末尾添加“]”字符，并在末尾添加“ [”字符，以强制匹配在字符串的末尾开始/结束。请注意，我们需要添加DOTALL选项以确保通配符“。”将与换行符“ \ n”匹配

import re

lyrics = """[Intro]
D.A. got that dope!

[Chorus: Travis Scott]
Ice water, turned Atlantic (Freeze)
Nightcrawlin' in the Phantom (Skrrt, Skrrt)..."""


matches = re.findall(r"[\]\)](.*?)[\[\(]", "]" + lyrics + "[", re.DOTALL)
main_vocals = '\n'.join(matches)

Python RE。排除一些结果

2 个答案: