Python正则表达式可选捕获组

Question

我遇到了一个问题，想从像这样的文件名中提取需要的数据：

miniseries.season 1.part 5.720p.avi
miniseries.part 5.720p.avi
miniseries.part VII.720p.avi     # episode or season expressed in Roman numerals

文件名中可能会有“season XX”这一部分，也可能没有，或者它可能以简写的形式出现，比如“s 1”或“seas 1”。

无论如何，我希望能得到四个捕获组，输出结果如下：

group1 : miniseries
group2 : 1 (or None)
group3 : 5
group4 : 720p.avi

为此，我写了一个正则表达式：

(^.*)\Ws[eason ]*(\d{1,2}|[ivxlcdm]{1,5})\Wp[art ]*(\d{1,2}|[ivxlcdm]{1,5})\W(.*$)

这个正则表达式只在我有完整的文件名时有效，包括可选的“season XX”字符串。如果“season”没有找到，能否写一个正则表达式让第二组返回“None”？

Answer 1

让季节部分变成可选的其实很简单：

(^.*?)(?:\Ws(?:eason )?(\d{1,2}|[ivxlcdm]{1,5}))?\Wp(?:art )?(\d{1,2}|[ivxlcdm]{1,5})\W(.*$)

我们可以使用一种叫做非捕获组的东西（(?:...)），再加上一个表示“0次或1次”的符号（?）。我还需要把第一个组设置为非贪婪模式，这样它就不会去匹配名字中的season部分。

另外，我把eason和art这两个可选的字符串也改成了非捕获的可选组，而不是字符类。

结果是：

>>> import re
>>> p=re.compile(r'(^.*?)(?:\Ws(?:eason )?(\d{1,2}|[ivxlcdm]{1,5}))?\Wp(?:art )?(\d{1,2}|[ivxlcdm]{1,5})\W(.*$)', re.I)
>>> p.search('miniseries.season 1.part 5.720p.avi').groups()
('miniseries', '1', '5', '720p.avi')
>>> p.search('miniseries.part 5.720p.avi').groups()
('miniseries', None, '5', '720p.avi')
>>> p.search('miniseries.part VII.720p.avi').groups()
('miniseries', None, 'VII', '720p.avi')