我正在编写一个脚本来搜索YouTube视频的元数据,并从中获取时间码(如果有的话)。你知道吗
with urllib.request.urlopen("https://www.googleapis.com/youtube/v3/videos?id=m65QTeKRWNg&key=AIzaSyDls3PGTAKqbr5CqSmxt71fzZTNHZCQzO8&part=snippet") as url:
data = json.loads(url.read().decode())
description = json.dumps(data['items'][0]['snippet']['description'], indent=4, sort_keys=True)
print(description)
这个很好用,所以我去找时间码。你知道吗
# finds timecodes like 00:00
timeBeforeHour = re.findall(r'[\d\.-]+:[\d.-]+', description)
>>[''0:00', '6:00', '9:30', '14:55', '19:00', '23:23', '28:18', '33:33', '37:44', '40:04', '44:15', '48:00', '54:00', '58:18', '1:02', '1:06', '1:08', '1:12', '1:17', '1:20']
它在59:00之后超过并抓取次数,但由于错过了最后一个“:”而不正确,所以我抓取剩余的一组:
# finds timecodes like 00:00:00
timePastHour = re.findall(r'[\d\.-]+:[\d.-]+:[\d\.-]+', description)
>>['1:02:40', '1:06:10', '1:08:15', '1:12:25', '1:17:08', '1:20:34']
我想将它们串联起来,但仍然存在第一个正则表达式中的时间不正确的问题。 如何阻止第一个正则表达式的范围超过一小时,即59:59?你知道吗
我看着正则表达式,我的头有点爆炸,任何澄清将是超级!你知道吗
编辑:
我试过这个:
description = re.findall(r'?<!\d:)(?<!\d)[0-5]\d:[0-5]\d(?!:?\d', description)
还有这个:
description = re.findall(r'^|[^\d:])([0-5]?[0-9]:[0-5][0-9])([^\d:]|$', description)
但我输入错了。正则表达式的位置是什么?你知道吗
另外,这是我要剥离的示例的一部分:
Naked\n1:02:40 Marvel 83' - Genesis\n1:06:10 Ward-Iz - The Chase\n1:08:15 Epoch - Formula\n1:12:25 Perturbator - Night Business\n1:17:08 Murkula - Death Code\n1:20:34 LAZERPUNK - Revenge\n\nPhotography by Jezael Melgoza"
使用
参见regex demo。你知道吗
当它不在单独的冒号分隔的数字字符串(如
11:22:22:33
)中时,它将匹配时间字符串。你知道吗解释:
(?<!\d:)
-一种负的lookback,它匹配一个位置,该位置前面没有直接的数字和:
(?<!\d)
-一个负的lookback,它匹配一个没有紧跟在数字前面的位置(一个单独的lookback是必要的,因为Python ^{[0-5]?\d
—从0
到5
的可选数字,然后是任意1个数字:
-冒号[0-5]\d
-从0
到5
的一个数字,然后是任意1个数字(?!:?\d)
-一种负向前看,它匹配一个位置,该位置后面没有紧跟一个可选的:
和一个数字。你知道吗Python online demo:
我想这就是你想要的:
https://regex101.com/r/yERoPi/1
相关问题 更多 >
编程相关推荐