正则表达式和一系列模式？答案

【问题标题】：Regex and a sequences of patterns?正则表达式和一系列模式？
【发布时间】：2009-06-27 19:45:29
【问题描述】：

有没有办法多次匹配一个模式 (e\d\d)，将每个模式捕获到一个组中？例如，给定字符串..

blah.s01e24e25

..我希望得到四个组：

1 -> blah
2 -> 01
3 -> 24
4 -> 25

要使用的明显正则表达式是（在 Python 正则表达式中：

import re
re.match("(\w+).s(\d+)e(\d+)e(\d+)", "blah.s01e24e25").groups()

..但我也想匹配以下任一：

blah.s01e24
blah.s01e24e25e26

你似乎不能这样做 (e\d\d)+，或者说你可以，但它只捕获最后一次出现：

>>> re.match("(\w+).s(\d+)(e\d\d){2}", "blah.s01e24e25e26").groups()
('blah', '01', 'e25')
>>> re.match("(\w+).s(\d+)(e\d\d){3}", "blah.s01e24e25e26").groups()
('blah', '01', 'e26')

我想在单个正则表达式中执行此操作，因为我有多个模式来匹配电视剧集文件名，并且不想复制每个表达式来处理多个剧集：

\w+\.s(\d+)\.e(\d+) # matches blah.s01e01
\w+\.s(\d+)\.e(\d+)\.e(\d+) # matches blah.s01e01e02
\w+\.s(\d+)\.e(\d+)\.e(\d+)\.e(\d+) # matches blah.s01e01e02e03

\w - \d+x\d+ # matches blah - 01x01
\w - \d+x\d+\d+ # matches blah - 01x01x02
\w - \d+x\d+\d+\d+ # matches blah - 01x01x02x03

.. 等等许多其他模式。

另一件使事情复杂化的事情——我希望将这些正则表达式存储在一个配置文件中，因此不需要使用多个正则表达式和函数调用的解决方案——但如果这被证明是不可能的，我将只允许用户添加简单的正则表达式

基本上，有没有办法使用正则表达式捕获重复模式？

【问题讨论】：

标签： python regex sequences

【解决方案1】：

分两步进行，一是找出所有数字，二是拆分它们：

import re

def get_pieces(s):
    # Error checking omitted!
    whole_match = re.search(r'\w+\.(s\d+(?:e\d+)+)', s)
    return re.findall(r'\d+', whole_match.group(1))

print get_pieces(r"blah.s01e01")
print get_pieces(r"blah.s01e01e02")
print get_pieces(r"blah.s01e01e02e03")

# prints:
# ['01', '01']
# ['01', '01', '02']
# ['01', '01', '02', '03']

【讨论】：

【解决方案2】：

捕获的组数等于括号组数。查看findall 或finditer 来解决您的问题。

【讨论】：

【解决方案3】：

非分组括号： (?:asdfasdg)

不必出现： (?:adsfasdf)?

c = re.compile(r"""(\w+).s(\d+)
                       (?:
                            e(\d+)
                            (?:
                                  e(\d+)
                            )?
                        )?
               """, re.X)

或

c = re.compile(r"""(\w+).s(\d+)(?:e(\d+)(?:e(\d+))?)?""", re.X)

【讨论】：

【解决方案4】：

思考问题后，我想我有一个更简单的解决方案，使用命名组。

用户（或我）可以使用的最简单的正则表达式是：

(\w+\).s(\d+)\.e(\d+)

文件名解析类将第一组作为节目名称，第二组作为季号，第三组作为剧集号。这涵盖了大部分文件。

我将允许这些不同的命名组：

(?P<showname>\w+\).s(?P<seasonnumber>\d+)\.e(?P<episodenumber>\d+)

为了支持多集，我将支持两个命名组，例如 startingepisodenumber 和 endingepisodenumber 以支持 showname.s01e01-03 之类的东西：

(?P<showname>\w+\)\.s(?P<seasonnumber>\d+)\.e(?P<startingepisodenumber>\d+)-(?P<endingepisodenumber>e\d+)

最后，允许名称匹配 episodenumber\d+（episodenumber1、episodenumber2 等）的命名组：

(?P<showname>\w+\)\.
s(?P<seasonnumber>\d+)\.
e(?P<episodenumber1>\d+)
e(?P<episodenumber2>\d+)
e(?P<episodenumber3>\d+)

它仍然可能需要为不同数量的e01s 复制模式，但永远不会有两个非连续剧集的文件（如show.s01e01e03e04），因此使用starting/endingepisodenumber 组应该可以解决这个问题，对于用户遇到的奇怪情况，他们可以使用episodenumber\d+ 组名

这并不能真正回答模式序列问题，但它解决了导致我提出这个问题的问题！（我仍然会接受另一个答案，该答案显示如何在一个正则表达式中匹配 s01e23e24...e27 - 如果有人解决了这个问题！）

【讨论】：

【解决方案5】：

也许是这样的？

def episode_matcher(filename):
    m1= re.match(r"(?i)(.*?)\.s(\d+)((?:e\d+)+)", filename)
    if m1:
        m2= re.findall(r"\d+", m1.group(3))
        return m1.group(1), m1.group(2), m2
    # auto return None here

>>> episode_matcher("blah.s01e02")
('blah', '01', ['02'])
>>> episode_matcher("blah.S01e02E03")
('blah', '01', ['02', '03'])

【讨论】：