Python regex - 从路径中提取目录

Question

我有一个关于正则表达式/Python 的问题。抱歉，如果这个话题已经被讨论了数百万次 - 通常我会在 so/google 等上找到答案，但我被这个问题困在数百万个答案中。（说实话 - 我拥有一本正则表达式书，但不知何故我太笨了，根本看不懂……）

对于音乐管理系统，我需要从路径中提取信息，提供不同的选项集。这里举两个例子：

如果路径是：（案例1）

"/The Prodigy/The Fat Of The Land/04 - Funky Stuff.flac"

它应该提取：

• 艺术家：“神童”
• 发布：“大地之肥”
• 曲目编号：4
• 标题：“时髦的东西”

例如：（案例2）

"/[XLR 483] The Fat Of The Land/04 - The Prodigy - The  Funky Stuff.flac"

应该提取：

• 目录号：“XLR 483”
• 发布：“大地之肥”
• 曲目编号：4
• 艺术家：“神童”
• 标题：“时髦的东西”

不需要涵盖这两种情况的正则表达式，这只是两个示例。然后，我会将它们作为选项（或添加自己的选项的起点）提供。

任何帮助将不胜感激！

@S.Lott：我没有正则表达式，我从拆分字符串开始：

parts = rel_path.split('/')       
track = parts[-1]
release = parts[-2]
artist = parts[-3]

但这对我来说似乎是一个非常不灵活且不优雅的解决方案。

编辑：

到目前为止，我有类似的东西：

pattern = re.compile('^/(?P<artist>[a-zA-Z0-9 ]+)/(?P<release>[a-zA-Z0-9 ]+)/(?P<track>[a-zA-Z0-9 -_]+).[a-zA-Z]*.*')


rel_path = '/The Prodigy/The Fat Of The Land/04 - Funky Stuff.flac'

match = pattern.search(rel_path)

artist = match.group('artist')
release = match.group('release')
track = match.group('track')

Answer 1

这是我解决您遇到的问题的方法。

1. 分割路径，检查它是 len 4（第一种情况）还是 3（第二种情况）。
2. 忽略应该是单个“/”的第一个元素，对于第二个元素，对其进行操作以提取 [xxx]。
3. 在最后一个元素上用“-”分割以获取您的其他信息。

如果您有任何具体疑问，请在编写正则表达式时编辑您的问题并遵循 S.Lott 的建议。

Answer 2

pattern1 = re.compile(r'/([^/]*)/([^/]*)/([0-9]*) - (.*)\.[^.]*')
artist,release,Tracknumber,Title = pattern1.match(file1).groups()

pattern2 = re.compile(r'/\[([^]]*)\] ([^/]*)/([0-9]*) - (.*) - (.*)\.[^.]*')
catno,release,Tracknumber,artist,Title = pattern2.match(file2).groups()

（其中file1 和file2 是您在上面给出的路径）。

第一件事：你捕捉到的东西与带有括号的正则表达式匹配。因此，下面括号之间的所有内容都将作为匹配项返回。

第二：你可以匹配除正斜杠以外的任何东西，比如[^/]。所以要在正斜杠之间匹配很多东西，你可以使用[^/]*。

把这些放在一起，在你的第一个字符串中捕捉艺术家，你做/([^/]*)/。然后你再次这样做以获得版本。

第三：要匹配任何数字，请使用[0-9]。因此，要匹配任何数字字符串，请使用 [0-9]*。

反复应用这些原则，您应该能够理解以上内容。

Answer 3

您应该首先使用split 和/ 分隔符，这样您就可以仅使用split 返回的数组大小来获取信息。

然后您可以根据需要使用正则表达式。例如，在第二种情况下：（只有当你有两个元素时才会发生这种情况？）

import re
item = "/[XLR 483] The Fat Of The Land/04 - The Prodigy - The  Funky Stuff.flac"
matches = re.search('^\/?\[([^\]]+)](.*)\/', item)
print matches.group(1) # 'XLR 483'
print matches.group(2) # ' The Fat Of The Land'

可能看起来有点复杂，但是我已经把所有的模棱两可的字符都转义了，所以基本上，模式如下：

1. ^开头
2. /? 最多可以有一个斜线 / 后跟...
3. [ 大括号
4. ([^\]]+) 包含一次或多次 +（请使用分组括号捕获值）和
5. ] 一个右花括号，后跟
6. (.*) 不是通过括号捕获的换行符（0 次或多次 *）
7. 和尾部斜杠/。

希望这会有所帮助！

Answer 4

虽然不是必须的，但是 re 是解决这个问题的方便选择。

import re
pattern = re.compile(r"/(?P<artist>[a-zA-Z0-9 ]+?)/(?P<release>[a-zA-Z0-9 ]+?)/(?P<tracknumber>\d+?) - (?P<title>[a-zA-Z0-9 ]+?).flac")
s = "/The Prodigy/The Fat Of The Land/04 - Funky Stuff.flac"
m = pattern.search(s)
print m.group('artist')
print m.group('release')
print m.group('track number')
print m.group('title')

我使用诸如[a-zA-Z0-9 ] 之类的表达式来明确指定字符串中我期望的字符。我更喜欢使用类似白名单的正则表达式来使代码更安全。还有许多其他方法可以组成等效模式。你会在这里找到所有你需要的东西http://docs.python.org/library/re.html，你不需要一本书。