Question

上下文

我有一个由混合mp3信息组成的字符串，我必须尝试匹配由任意字符串和标记组成的模式。它的工作原理如下：

程序向用户显示给定的字符串

Beatles_Abbey_Road-SomeWord-1969

用户输入模式以帮助程序解析字符串

％Artist_％专辑 - SomeWord-％年

然后我想显示比赛结果（但需要你的帮助）

  找到2个匹配项：
   [1] {'艺术家'：'披头士'，'专辑'：'Abbey_Road'，'年'：1969年}
   [2] {'艺术家'：'Beatles_Abbey'，'专辑'：'道路'，'年'：1969年}

问题

例如，假设模式是艺术家名称，后跟标题（分隔符：' - '）。

示例1：

>>> artist = 'Bob Marley'
>>> title = 'Concrete Jungle'
>>> re.findall(r'(.+)-(.+)', '%s-%s' % (artist,title))
[('Bob Marley', 'Concrete Jungle')]

到目前为止，这么好。但是......
我无法控制使用的分隔符，也无法保证它不会出现在标签中，因此存在更棘手的情况：

示例2：

>>> artist = 'Bob-Marley'
>>> title = 'Roots-Rock-Reggae'
>>> re.findall(r'(.+)-(.+)', '%s-%s' % (artist,title))
[('Bob-Marley-Roots-Rock', 'Reggae')]

正如预期的那样，在这种情况下它不会工作。

如何生成所有可能的艺术家/标题组合？

[('Bob', 'Marley-Roots-Rock-Reggae'),
 ('Bob-Marley', 'Roots-Rock-Reggae')
 ('Bob-Marley-Roots', 'Rock-Reggae'),
 ('Bob-Marley-Roots-Rock', 'Reggae')]

正则表达式是用于该工作的工具吗？

请记住，要匹配的标签数量和这些标签之间的分隔符不是固定的，而是用户定义的（因此要使用的正则表达式必须是动态构建的）。我尝试使用 greedy vs minimal matching 和 lookahead 断言进行试验，但没有成功。

感谢您的帮助

Answer 1

此解决方案似乎有效。除了正则表达式之外，您还需要一个元组列表来描述模式，其中每个元素对应一个正则表达式的一个捕获组。

对于甲壳虫乐队的例子，它看起来像这样：

pattern = r"the (.+_.+)-SomeWord-(.+)"
groups = [(("Artist", "Album"), "_"), ("Year", None)]

由于Artist和Album仅由一个分隔符拆分，因此它们将在一个组中一起捕获。列表中的第一项表示第一个捕获组将被分为Artist和Album，并将使用_作为分隔符。列表中的第二项表示第二个捕获组将直接用作Year，因为元组中的第二个元素是None。然后你可以这样调用这个函数：

>>> get_mp3_info(groups, pattern, "the Beatles_Abbey_Road-SomeWord-1969")
[{'Album': 'Abbey_Road', 'Year': '1969', 'Artist': 'Beatles'}, {'Album': 'Road', 'Year': '1969', 'Artist': 'Beatles_Abbey'}]

以下是代码：

import re
from itertools import combinations

def get_mp3_info(groups, pattern, title):
    match = re.match(pattern, title)
    if not match:
        return []
    result = [{}]
    for i, v in enumerate(groups):
        if v[1] is None:
            for r in result:
                r[v[0]] = match.group(i+1)
        else:
            splits = match.group(i+1).split(v[1])
            before = [d.copy() for d in result]
            for comb in combinations(range(1, len(splits)), len(v[0])-1):
                temp = [d.copy() for d in before]
                comb = (None,) + comb + (None,)
                for j, split in enumerate(zip(comb, comb[1:])):
                    for t in temp:
                        t[v[0][j]] = v[1].join(splits[split[0]:split[1]])

                if v[0][0] in result[0]:
                    result.extend(temp)
                else:
                    result = temp
    return result

Bob Marley的另一个例子：

>>> pprint.pprint(get_mp3_info([(("Artist", "Title"), "-")],
...               r"(.+-.+)", "Bob-Marley-Roots-Rock-Reggae"))
[{'Artist': 'Bob', 'Title': 'Marley-Roots-Rock-Reggae'},
 {'Artist': 'Bob-Marley', 'Title': 'Roots-Rock-Reggae'},
 {'Artist': 'Bob-Marley-Roots', 'Title': 'Rock-Reggae'},
 {'Artist': 'Bob-Marley-Roots-Rock', 'Title': 'Reggae'}]

Answer 2

这样的事情怎么样而不是使用正则表达式？

import re

string = "Bob-Marley-Roots-Rock-Reggae"

def allSplits(string, sep):
    results = []
    chunks = string.split('-')
    for i in xrange(len(chunks)-1):
        results.append((
            sep.join(chunks[0:i+1]),
            sep.join(chunks[i+1:len(chunks)])
        ))

    return results

print allSplits(string, '-')

[('Bob', 'Marley-Roots-Rock-Reggae'),
 ('Bob-Marley', 'Roots-Rock-Reggae'),
 ('Bob-Marley-Roots', 'Rock-Reggae'),
 ('Bob-Marley-Roots-Rock', 'Reggae')]

如何将正则表达式与多个重叠模式匹配？

上下文

问题

2 个答案: