使用正则表达式匹配电视和电影文件名

Question

我一直在努力获取一个正则表达式来从视频的文件名中获取电视节目或电影名称、播出年份（如果存在）、季节#和剧集#。对于电影和电视节目，我有一个正则表达式（如下）似乎适用于具有双年日期的节目（其中一个年份在节目/电影名称中，另一个是它播出的年份）。对于电视节目，如果格式为 SXEXXX 或 XXX，它可以获取季节和剧集编号。我一直在regex101.com 测试引擎中对其进行测试。我苦苦挣扎的地方是，如果文件名中不存在年份，则表达式将不会返回任何内容。此外，如果文件名有一个 4 位数字，它实际上是节目名称的一部分，它认为这是播出的年份日期（即“4400”）。如何修改此表达式以能够处理我描述的额外条件？

最终目标是我想将它放入一个 python 脚本中，如果文件是电影或电视节目，该脚本会查询像 TheTVDB.com 这样的网站，以便我可以将庞大的视频库分类到电视节目和电影文件夹中。

(?P<ShowName>.*)[ (_.]#Show Name
       (?=19[0-9]\d|20[0-4]\d|2050) #If after the show name is a year
          (?P<ShowYear>\d{4,4}) # Get the show year
          | # Else
          (?=S\d{1,2}E\d{1,2}) 
             S(?P<Season>\d{1,2})E(?P<Episode>\d{1,2}) #Get the season and Episode information
             |
             (\d{1})E(\d{1,2})

这是我正在使用的测试数据

• archer.2009.S04E13
• 空间 1999 1975
• 空间：1999 (1975)
• Space.1999.1975.S01E01
• 空间 1999.(1975)
• .4400.204.mkv
• 空间 1999 (1975) v.2009.S01E13.the.title.avi
• Teen.wolf.S04E12.HDTV.x264
• Se7en.(1995).avi
• 如何训练你的龙 2

正则表达式不适用于以下测试数据：

• .4400.204.mkv
• Teen.wolf.S04E12.HDTV.x264
• 如何训练你的龙 2

更新：这是基于 cmets 的新表达式。它的效果要好得多，但在表达式下方列出的 3 个文件名方面遇到了困难。

(?P<ShowName>.*)#Show Name
(
   [ (_.]
   (
       (?=\d{4,4}) #If after the show name is a year
          (?P<ShowYear>\d{4})  # Get the show year
          | # Else no year in the file name then just grab the name
          (?P<otherShowName>.*) # Grab Show Name
          (?=S\d{1,2}E\d{1,2}) # If the Season Episode patterns matches SX{1,2}EX{1,2}, Then
             S(?P<Season>\d{1,2})E(?P<Episode>\d{1,2}) #Get the season and Episode information
             | # Else
             (?P<Alt_S_E>\d{3,4}) # Get the season and Episode that looks like 211
   )
|$)

• Se7en
• 10,000BC (2010)
• v.2009.S01E13.the.title.avi
• archer.2009.S04E13

Answer 1

我对你的正则表达式做了一些修改，如果我理解正确的话，它似乎可以工作。

^(
  (?P<ShowNameA>.*[^ (_.]) # Show name
    [ (_.]+
    ( # Year with possible Season and Episode
      (?P<ShowYearA>\d{4})
      ([ (_.]+S(?P<SeasonA>\d{1,2})E(?P<EpisodeA>\d{1,2}))?
    | # Season and Episode only
      (?<!\d{4}[ (_.])
      S(?P<SeasonB>\d{1,2})E(?P<EpisodeB>\d{1,2})
    | # Alternate format for episode
      (?P<EpisodeC>\d{3})
    )
|
  # Show name with no other information
  (?P<ShowNameB>.+)
)

在regex101上查看演示

编辑：我已经更新了正则表达式来处理你在 cmets 中提到的最后 3 种情况。

一个主要问题是您没有围绕主要交替的括号，因此它包含了整个正则表达式。我还必须添加一个替代项，以允许名称后面没有任何年份/剧集格式。

因为您有很多可能相互冲突的不同布局，所以正则表达式最终变成了不同场景的大量交替。例如，要匹配一个根本没有年份或剧集信息的标题，我必须在整个正则表达式周围添加一个替换，如果它找不到任何已知模式，则匹配整个内容。

注意：现在您似乎已扩展放映年份以匹配任何四位数，因此无需前瞻。换句话说，(?=\d{4,4})(?P<ShowYear>\d{4}) 与(?P<ShowYear>\d{4}) 相同。这也意味着剧集的备用格式必须仅匹配 3 位数字，而不是 4 位数字。否则，无法将独立的 4 位数字序列区分为年份或剧集。

一般模式：

[ (_.]+                   the delimiter used throughout
(?P<ShowNameA>.*[^ (_.])  the show name, greedy but not including a delimiter
(?P<ShowNameB>.+)         the show name when it's the whole line

格式 A（可能的季节和剧集的年份）：

(?P<ShowYearA>\d{4})
([ (_.]+S(?P<SeasonA>\d{1,2})E(?P<EpisodeA>\d{1,2}))?

格式 B（仅限季节和剧集）：

(?<!\d{4}[ (_.])
S(?P<SeasonB>\d{1,2})E(?P<EpisodeB>\d{1,2})

格式 C（剧集的替代格式）：

(?P<EpisodeC>\d{3})

Answer 2

如果可以的话，我调整了 brian 的正则表达式来匹配类似的东西

SHOW.NAME.201X.SXXEXX.XSUB.VOSTFR.720p.HDTV.x264-ADDiCTON.mkv

这里是（PHP PCRE）

/^(
    (?P<ShowNameA>.*[^ (_.]) # Show name
        [ (_.]+
        ( # Year with possible Season and Episode
            (?P<ShowYearA>\d{4})
            ([ (_.]+S(?P<SeasonA>\d{1,2})E(?P<EpisodeA>\d{1,2}))?
        | # Season and Episode only
            (?<!\d{4}[ (_.])
            S(?P<SeasonB>\d{1,2})E(?P<EpisodeB>\d{1,2})
        )
|
        # Show name with no other information
        (?P<ShowNameB>.+)
)/mx