确保分组匹配不以特定字符结尾的正则表达式

Question

我在写一个正则表达式的时候遇到了一些麻烦，想要匹配特定的情况。我有一份电视节目名称的列表，大概有四种格式：

• 节目名称.S01E01
• 节目名称.0101
• 节目名称.01x01
• 节目名称.101

我想要匹配的是节目的名称。我的主要问题是，我的正则表达式匹配到的节目名称前面总是有一个点（.）。我的正则表达式如下：

"^([0-9a-zA-Z\.]+)(S[0-9]{2}E[0-9]{2}|[0-9]{4}|[0-9]{2}x[0-9]{2}|[0-9]{3})"

一些例子：

>>> import re

>>> SHOW_INFO = re.compile("^([0-9a-zA-Z\.]+)(S[0-9]{2}E[0-9]{2}|[0-9]{4}|[0-9]{2}x[0-9]{2}|[0-9]{3})")
>>> match = SHOW_INFO.match("Name.Of.Show.S01E01")
>>> match.groups()
('Name.Of.Show.', 'S01E01')
>>> match = SHOW_INFO.match("Name.Of.Show.0101")
>>> match.groups()
('Name.Of.Show.0', '101')
>>> match = SHOW_INFO.match("Name.Of.Show.01x01")
>>> match.groups()
('Name.Of.Show.', '01x01')
>>> match = SHOW_INFO.match("Name.Of.Show.101")
>>> match.groups()
('Name.Of.Show.', '101')

所以我的问题是，如何避免第一个分组以一个点结束呢？我意识到我可以简单地这样做：

var.strip(".")

但是，这样做并不能处理“节目名称.0101”的情况。我有没有办法改进这个正则表达式，让它更好地处理这种情况呢？

提前谢谢你。

Answer 1

我觉得这个方法可以满足你的需求：

^([0-9a-z\.]+)\.(?:S[0-9]{2}E[0-9]{2}|[0-9]{3,4}|[0-9]{2}(?:x[0-9]+)?)$

我用下面这几个节目名称测试过：

• 30.Rock.S01E01
• The.Office.0101
• Lost.01x01
• How.I.Met.Your.Mother.101

如果这四个例子能代表你手头的文件类型，那么这个正则表达式应该能把节目名称单独提取出来，其他的部分就会被忽略掉。这个过滤器可能比其他一些更严格，但我个人比较喜欢精确匹配你所需要的内容。

Answer 2

所以最后一组的唯一限制就是不能包含点号？这很简单：

^(.*?)(\.[^.]+)$

这个匹配任何东西，但不是贪婪地匹配。关键在于第二组，它是以点号开头，然后匹配任何不是点号的字符，一直到字符串的末尾。

这样做可以适用于你所有的测试案例。

Answer 3

我觉得这样做就可以了：

>>> regex = re.compile(r'^([0-9a-z.]+)\.(S[0-9]{2}E[0-9]{2}|[0-9]{3,4}|[0-9]{2}x[0-9]{2})$', re.I)
>>> regex.match('Name.Of.Show.01x01').groups()
('Name.Of.Show', '01x01')
>>> regex.match('Name.Of.Show.101').groups()
('Name.Of.Show', '101')

预计完成时间: 当然，如果你只是想从可信的字符串中提取不同的部分，你可以直接使用字符串的方法：

>>> 'Name.Of.Show.101'.rpartition('.')
('Name.Of.Show', '.', '101')