正则表达式和一系列模式？

Question

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内容：

blah.s01e24
blah.s01e24e25e26

你似乎不能做(e\d\d)+，或者更确切地说，您可以，但它只捕获最后一次出现的情况：

>>> 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，并且不想要复制每个表达式来处理多个情节：

\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

使事情变得复杂 - 我希望将这些正则表达式存储在配置文件中，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？

Answer 1

分两步进行，第一步找到所有数字，然后一步拆分它们：

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']

Answer 2

捕获组的数量等于括号组的数量。 查看 findall 或 finditer 来解决您的问题。

Answer 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)

或者

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

Answer 4

经过思考这个问题，我认为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。 这涵盖了大多数文件。

我将允许使用几个不同的命名组：

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

为了支持多个剧集，我将支持两个命名组，例如 startingepisodenumber 和 endingepisodenumber 来支持诸如 之类的内容>showname.s01e01-03：

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

最后，允许命名组的名称与episodenumber\d+匹配（episodenumber1、episodenumber2等） ：

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

它仍然可能需要复制不同数量的 e01 的模式，但永远不会有一个包含两个非连续剧集的文件（如 show.s01e01e03e04），所以使用 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+ 组名称

这并不能真正回答序列 - of-patterns 问题，但它解决了我提出这个问题的问题！ （我仍然会接受另一个答案，它展示了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！）

Answer 5

也许类似的事情？

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'])