正则表达式 - 如何识别一个模式直到找到第二个模式

Question

我有一个文件，名字是特定的格式。比如说，它的名字是：

tv_show.s01e01.episode_name.avi

这是网络上电视节目集的标准命名方式。这个命名模式在网上几乎都是一样的，所以我想从这样命名的文件中提取一些信息。基本上，我想得到：

1. 节目的标题；
2. 季号 s01；
3. 集号 e01；
4. 文件扩展名。

我正在用Python 3脚本来实现这个功能。这个测试文件比较简单，因为我只需要这样做：

import re

def acquire_info(f="tv_show.s01e01.episode_name.avi"):
    tvshow_title = title_p.match(f).group()
    numbers = numbers_p.search(f).group()
    season_number = numbers.split("e")[0].split("s")[1]
    ep_number = numbers.split("e")[1]
    return [tvshow_title, season_number, ep_number]

if __name__ == '__main__':
    # re.I stands for the option "ignorecase"
    title_p = re.compile("^[a-z]+", re.I)
    numbers_p = re.compile("s\d{1,2}e\d{1,2}", re.I)
    print(acquire_info())

然后输出结果是我预期的 ['tv_show', '01', '01']。但是如果我的文件名是这样的呢？ some.other.tv.show.s04e05.episode_name.avi。

我该如何构建一个正则表达式，来获取所有在 "s\d{1,2}e\d{1,2}" 这个模式之前的文本呢？

顺便说一下，我没有在例子中放入获取扩展名的代码，我知道，但这不是我的问题，所以不重要。

Answer 1

我不是Python专家，但如果它可以进行命名捕获，像下面这样的一般写法可能会有效：

^(?<Title>.+)\.s(?<Season>\d{1,2})e(?<Episode>\d{1,2})\..*?(?<Extension>[^.]+)$

如果没有命名组，那就用普通的组。

一个问题可能会出现，如果标题中有一个 .s2e1. 的部分，这可能会遮盖真实的季和集信息。那就需要更多的逻辑来处理。上面的正则表达式假设标题、季、集和扩展名都存在，并且s/e是最右边的部分。

Answer 2

这里有一个方法，可以使用捕获组一次性提取你想要的所有信息：

>>> show_p = re.compile(r'(.*?)\.s(\d{1,2})e(\d{1,2})')
>>> show_p.match('some.other.tv.show.s04e05.episode_name.avi').groups()
('some.other.tv.show', '04', '05')

Answer 3

试试这个

show_p=re.compile("(.*)\.s(\d*)e(\d*)")
show_p.match(x).groups()

这里的 x 是你的字符串

编辑**（我忘了加上扩展名，这里是修正后的版本）

show_p=re.compile("^(.*)\.s(\d*)e(\d*).*?([^\.]*)$")
show_p.match(x).groups()

---

这是测试结果

>>> show_p=re.compile("(.*)\.s(\d*)e(\d*).*?([^\.]*)$")
>>> x="tv_show.s01e01.episode_name.avi"
>>> show_p.match(x).groups()
('tv_show', '01', '01', 'avi')
>>> x="tv_show.s2e1.episode_name.avi"
>>> show_p.match(x).groups()
('tv_show', '2', '1', 'avi')
>>> x='some.other.tv.show.s04e05.episode_name.avi'
>>> show_p.match(x).groups()
('some.other.tv.show', '04', '05', 'avi')
>>>