正则表达式匹配字符串中最后一次出现的年份答案

【问题标题】：Regular expression match last occurence of year in string正则表达式匹配字符串中最后一次出现的年份
【发布时间】：2018-06-14 02:34:51
【问题描述】：

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

代码

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 -- 我希望这是 2009 年（即字符串中最后一次出现的年份）

返回：2012 -- 这是正确的！（年份的最后出现是第一个，因此正确）

返回：2001 -- 我希望这是 1968 年（即字符串中最后一次出现的年份）

问题

可以看出，正则表达式将只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，因为某些标题（例如此处包含的标题）以年份开头。

在寻找获得今年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，但这些资源都没有让我更接近于实现预期的结果。目前没有任何问题可以回答这个独特的案例。

预期结果

我想从给定的文件名中提取一年的最后一次出现（而不是第一次出现），并使用上面输出引用中所述的现有定义/函数返回它。虽然我使用过在线正则表达式引用，但我是正则表达式的新手，希望有人向我展示如何实现此过滤器以处理上述文件名。干杯，伙计们。

【问题讨论】：

因为你总是在检查 group(1) 它给你第一个匹配。检查组长度，如果超过一个，取最后一组的匹配值。
没有真正的解决方案可以做到这一点，特别是因为文件名可以有多种形式，例如，所有文件名在“1080”之后总是有一个“p”的可能性很小。跨度>
@ProGrammer：如果电影标题包含年份并且文件名中缺少发行年份怎么办？此外，您应该选择 1895 年（Louis 和 Auguste Lumière 的 sortie d'usine 发行年份），而不是 1900 年。
...或 1888 年用于 Louis Le Prince 电影。
@CasimiretHippolyte 我已将下边界的范围扩展到1888。假设通过函数运行标题2018.3D.1080p.BRRip.SBS.x264.AAC，它返回2018（注意电影标题包含年份并且文件名中缺少发行年份）。在这种情况下，最后一次出现也是第一次出现。如果最后一次出现是某种上传/记录日期，例如2018.3D.1080p.BRRip.SBS.x264.AAC.01-01-2018 我很想看到一种过滤掉此类实例的聪明方法。目前，我相信这是电影片名中罕见的格式。

标签： python regex string date filenames

【解决方案1】：

根据@kenyanke 的回答，选择findall() 而不是search() 将是一个更好的选择，因为前者返回所有不重叠的匹配模式。您可以选择最后一个匹配模式为releaseYear。这是我的正则表达式来查找releaseYear

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

上面的正则表达式假设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']

【讨论】：

【解决方案2】：

考虑使用 findall() 而不是 search()？

它会将找到的所有值从左到右放入一个列表中，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'))

【讨论】：

【解决方案3】：

有两点你需要改变：

第一个 .*? 惰性模式必须转换为贪婪 .*（在这种情况下，.* 之后的子模式将匹配字符串中的最后一次出现）
您需要使用的组是组 2，而不是组 1（因为它是存储年份数据的组）。或者使第一个捕获组不捕获。

见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)

【讨论】：