正则表达式仅用一个破折号获取字符串答案

【问题标题】：Regex to get string with only one dash正则表达式仅用一个破折号获取字符串
【发布时间】：2016-12-15 18:51:06
【问题描述】：

抱歉问题标题不好，我想不出更好的问题。

我需要一个正则表达式，用于提取电视节目脚本的季节、剧集和标题。在我的文件中，它们可能如下所示：

<span class="topic">01x02 - The Big Bran Hypothesis</span><b
<td><b>01x07 - The Dumpling Paradox</b></td>
<title>Transcripts - Forever Dreaming :: 01x07 - The Dumpling Paradox - The Big Bang Theory</title>
<title>Transcripts - Forever Dreaming :: 06x04 - The Re-Entry Minimisation - The Big Bang Theory</title>

我试过了：

([\d]+x[\d]+)\s?[-]?\s?([\w\s]*)

见Regex101 Example here

此正则表达式匹配：

01x02 - The Big Bran Hypothesis
01x07 - The Dumpling Paradox
01x07 - The Dumpling Paradox
06x04 - The Re

我面临的问题是，如何在没有" - The Big Bang Theory" 的情况下获得最后一个标题的其余部分（“The Re-Entry Minimisation”）。

我尝试在第二个捕获组中添加-，但这也包括标题后面的部分。

我还尝试为- 添加一个积极的前瞻，但这也行不通，因为它也匹配了季后的第一个-。

我想如何做到这一点很简单，但我无法弄清楚。任何人的想法？谢谢！

【问题讨论】：

见(\d+x\d+)\s?-?\s?([^<]*)。
这也与“ - 生活大爆炸”部分相匹配。第四场比赛例如应该是“06x04 - The Re-Entry Minimisation”，而不是“06x04 - The Re-Entry Minimization - The Big Bang Theory”
正则表达式应该应用于纯文本。是的，你可能会使用(\d+x\d+)\s?-?\s?([^-<]*(?:\b-\b[^-<]*)*)，但它真的很难看。
我想出了([\d]+x[\d]+)\s?[-]?((\s?\w+-?)+) - 似乎适用于该示例，但我敢打赌它不适用于所有其他用例。对这个不满意。
最简单的-(\d+x\d+)\s*-\s*([^<]*?)(?=\s-|<)

标签： regex

【解决方案1】：

此正则表达式将成功匹配带连字符的标题，同时避免尾随显示名称： (\d+)x(\d+) ?- ?([-\w\s]+) -

它将产生以下捕获组：

季节
剧集
标题

细分：

(\d+)x(\d+) 匹配并捕捉季节和剧集，每个都在自己的组中
?- ? 匹配破折号分隔符，带或不带空格
([-\w\s]+) - 捕获任何字母、破折号和空格，但最多只能是一个带有空格的破折号，这似乎是标题中和标题后的唯一区别。

参见regex101 演示。

注意：如果您确实需要整个匹配来排除节目名称，而不是使用特定组，只需将- 更改为正向前瞻(?= - )，这样它就不会匹配尾随破折号。

【讨论】：

【解决方案2】：

这应该可行：

(\d{2}x\d{2} - [\w\s]*(-\w)?[\w\s]*)

它还会返回第二组，但您可以直接忽略它。或者，实际上，您可以简单地使用完全匹配

\d{2}x\d{2} - [\w\s]*(-\w)?[\w\s]*

----- 编辑-----

正确地说，诀窍是考虑到单词可能会被连字符而忽略实际的连字符。

以下正则表达式更通用，匹配“开箱即用”之类的内容：

\d{2}x\d{2} - ([\w\s]*(-\w)?)*

【讨论】：