如何匹配多个重叠的正则表达式模式？

Question

背景

我有一串混合了mp3信息的字符串，我需要把它和一个由任意字符串和标记组成的模式进行匹配。这个过程是这样的：

1. 程序会给用户展示一个字符串

the Beatles_Abbey_Road-SomeWord-1969

1. 用户输入一个模式来帮助程序解析这个字符串

the %Artist_%Album-SomeWord-%Year

1. 然后我想展示匹配的结果（但需要你的帮助）

找到2个可能的匹配：
[1] {'Artist': 'Beatles', 'Album':'Abbey_Road', 'Year':1969}
[2] {'Artist': 'Beatles_Abbey', 'Album':'Road', 'Year':1969}

问题

举个例子，假设模式是艺术家名字后面跟着标题（分隔符是'-'）。

例子1：

>>> artist = 'Bob Marley'
>>> title = 'Concrete Jungle'
>>> re.findall(r'(.+)-(.+)', '%s-%s' % (artist,title))
[('Bob Marley', 'Concrete Jungle')]

到目前为止，一切都很好。但是...
我无法控制使用的分隔符，也不能保证它不会出现在标签中，所以会有更复杂的情况：

例子2：

>>> artist = 'Bob-Marley'
>>> title = 'Roots-Rock-Reggae'
>>> re.findall(r'(.+)-(.+)', '%s-%s' % (artist,title))
[('Bob-Marley-Roots-Rock', 'Reggae')]

如预期的那样，在这种情况下它并不有效。

我该如何生成所有可能的艺术家/标题组合？

[('Bob', 'Marley-Roots-Rock-Reggae'),
 ('Bob-Marley', 'Roots-Rock-Reggae')
 ('Bob-Marley-Roots', 'Rock-Reggae'),
 ('Bob-Marley-Roots-Rock', 'Reggae')]

正则表达式是完成这项工作的工具吗？

请记住，匹配的标签数量和这些标签之间的分隔符不是固定的，而是用户定义的（所以使用的正则表达式必须能够动态构建）。
我尝试过使用贪婪匹配与最小匹配和前瞻断言，但没有成功。

谢谢你的帮助

Answer 1

那我们可以试试这种方法，而不是用常规的正则表达式？

import re

string = "Bob-Marley-Roots-Rock-Reggae"

def allSplits(string, sep):
    results = []
    chunks = string.split('-')
    for i in xrange(len(chunks)-1):
        results.append((
            sep.join(chunks[0:i+1]),
            sep.join(chunks[i+1:len(chunks)])
        ))

    return results

print allSplits(string, '-')

[('Bob', 'Marley-Roots-Rock-Reggae'),
 ('Bob-Marley', 'Roots-Rock-Reggae'),
 ('Bob-Marley-Roots', 'Rock-Reggae'),
 ('Bob-Marley-Roots-Rock', 'Reggae')]

Answer 2

这个解决方案看起来有效。除了正则表达式，你还需要一个元组列表来描述模式，每个元素对应正则表达式中的一个捕获组。

以你提到的披头士乐队为例，它会是这样的：

pattern = r"the (.+_.+)-SomeWord-(.+)"
groups = [(("Artist", "Album"), "_"), ("Year", None)]

因为Artist（艺术家）和Album（专辑）之间只用一个分隔符，所以它们会一起被捕获到一个组里。列表中的第一个项目表示第一个捕获组会被分成Artist和Album，并且会使用_作为分隔符。列表中的第二个项目表示第二个捕获组会直接用作Year（年份），因为元组中的第二个元素是None。然后你可以这样调用这个函数：

>>> get_mp3_info(groups, pattern, "the Beatles_Abbey_Road-SomeWord-1969")
[{'Album': 'Abbey_Road', 'Year': '1969', 'Artist': 'Beatles'}, {'Album': 'Road', 'Year': '1969', 'Artist': 'Beatles_Abbey'}]

这里是代码：

import re
from itertools import combinations

def get_mp3_info(groups, pattern, title):
    match = re.match(pattern, title)
    if not match:
        return []
    result = [{}]
    for i, v in enumerate(groups):
        if v[1] is None:
            for r in result:
                r[v[0]] = match.group(i+1)
        else:
            splits = match.group(i+1).split(v[1])
            before = [d.copy() for d in result]
            for comb in combinations(range(1, len(splits)), len(v[0])-1):
                temp = [d.copy() for d in before]
                comb = (None,) + comb + (None,)
                for j, split in enumerate(zip(comb, comb[1:])):
                    for t in temp:
                        t[v[0][j]] = v[1].join(splits[split[0]:split[1]])

                if v[0][0] in result[0]:
                    result.extend(temp)
                else:
                    result = temp
    return result

还有一个关于鲍勃·马利的例子：

>>> pprint.pprint(get_mp3_info([(("Artist", "Title"), "-")],
...               r"(.+-.+)", "Bob-Marley-Roots-Rock-Reggae"))
[{'Artist': 'Bob', 'Title': 'Marley-Roots-Rock-Reggae'},
 {'Artist': 'Bob-Marley', 'Title': 'Roots-Rock-Reggae'},
 {'Artist': 'Bob-Marley-Roots', 'Title': 'Rock-Reggae'},
 {'Artist': 'Bob-Marley-Roots-Rock', 'Title': 'Reggae'}]