python regex 可选捕获组

Question

我遇到以下问题，匹配来自文件名的所需数据，如下所示：

miniseries.season 1.part 5.720p.avi
miniseries.part 5.720p.avi
miniseries.part VII.720p.avi     # episode or season expressed in Roman numerals

“season XX”块可能存在也可能不存在，或者可以写成简短的形式，例如“s 1”或“seas 1”

无论如何，我都希望有 4 个捕获组作为输出：

group1 : miniseries
group2 : 1 (or None)
group3 : 5
group4 : 720p.avi

所以我写了一个这样的正则表达式：

(^.*)\Ws[eason ]*(\d{1,2}|[ivxlcdm]{1,5})\Wp[art ]*(\d{1,2}|[ivxlcdm]{1,5})\W(.*$)

这仅在我有一个完全指定的文件名时有效，包括可选的“season XX”字符串。 如果找不到“season”，是否可以编写一个返回“None”作为 group2 的正则表达式？

Answer 1

将季节组设为可选很容易：

(^.*?)(?:\Ws(?:eason )?(\d{1,2}|[ivxlcdm]{1,5}))?\Wp(?:art )?(\d{1,2}|[ivxlcdm]{1,5})\W(.*$)

使用非捕获组 ((?:...)) 加上 0 或 1 量词 (?)。我确实必须让第一组不贪婪，以防止它与名称的season 部分匹配。

我还将eason 和art 可选字符串设置为非捕获可选组而不是字符类。

结果：

>>> import re
>>> p=re.compile(r'(^.*?)(?:\Ws(?:eason )?(\d{1,2}|[ivxlcdm]{1,5}))?\Wp(?:art )?(\d{1,2}|[ivxlcdm]{1,5})\W(.*$)', re.I)
>>> p.search('miniseries.season 1.part 5.720p.avi').groups()
('miniseries', '1', '5', '720p.avi')
>>> p.search('miniseries.part 5.720p.avi').groups()
('miniseries', None, '5', '720p.avi')
>>> p.search('miniseries.part VII.720p.avi').groups()
('miniseries', None, 'VII', '720p.avi')