2

我正在开发视频播放器，它扫描用户的视频文件并尝试从文件名中识别它们。如果视频是电影，我想获得它的名称和视频的质量，如果是电视节目，我想获得节目的名称、季节编号、剧集编号和视频质量。

我在谷歌上搜索了一些示例文件名并制作了简单的脚本来尝试获取信息，但是我很难处理异常情况，例如在质量之前有剧集名称，当文件具有“PROPER”之类的标签时，或者如果用户已将视频的来源（如“BluRay”）置于质量之前。

如果有更熟练的正则表达式的人会提供一些帮助，我将不胜感激。

谢谢！

import re
names = [
    "The.Newsroom.2012.S02E06.720p.HDTV.x264-KILLERS.mkv",
    "Breaking.Bad.S05E10.Buried.HDTV.XviD-AFG.avi",
    "Breaking.Bad.S05E10.Buried.720p.HDTV.x264-AFG.mkv", #Incorrectly nonHD
    "Dexter.S08E08.HDTV.XviD-AFG.avi",
    "Dexter.S08E07.1080p.HDTV.x264-QCF.mkv",
    "Dexter S08E07 720p HDTV x264-QCF.mkv",
    "The.Great.Gatsby.2013.BluRay.1080p.DTS.x264-CHD.mkv", #Incorrectly nonHD
    "The Forbidden Girl 2013 BRRIP Xvid AC3-BHRG.avi",
    "Pain.&.Gain.2013.720p.BluRay.DD5.1.x264-HiDt.mkv",
    "Band.of.Brothers.S01E02.Day.of.Days.DVDRip.XviD-AC3-BAGS.avi",
    "Dexter.S08E06.PROPER.720p.HDTV.x264-IMMERSE.mkv", #Incorrectly nonHD
    "Dexter S08E06 PROPER 720p HDTV x264-IMMERSE.mkv" #Incorrectly nonHD
]
for name in names:
    tv = re.findall(r"(.*?)[ |.]S([\d+]{1,2})E([\d+]{1,2})[ |.]([\d+]{3,4}p|)", name) #FIXME: Get quality also after "PROPER/EPTITLE/.."
    if len(tv)>0:
        print("---------- TV ----------")
        print("Show: "+tv[0][0].replace(".", " "))
        print("Season: "+str(int(tv[0][1])))
        print("Episode: "+str(int(tv[0][2])))
        print("Quality: "+(tv[0][3] if len(tv[0][3])>0 else "nonHD"))
    else:
        movie = re.findall(r"(.*?[ |.][\d+]{4})[ |.]([\d+]{3,4}p|)", name) #FIXME: Get quality also after "BluRay/HDTV/HDDVD/.."
        if len(movie)>0:
            print("--------- MOVIE --------")
            print("Title: "+movie[0][0].replace(".", " "))
            print("Quality: "+(movie[0][1] if len(movie[0][1])>0 else "nonHD"))
        else:
            print("error")
4

4 回答 4

2

正如 Josh 所提到的，+限定词不应该与{m,n}. +匹配一个或多个 re，同时{m,n}贪婪地匹配 m 到 n 个重复。（参见：重新语法）。

他还提出了一个很好的观点，即使用re.VERBOSE来帮助您的正则表达式的可读性。

编辑：（感谢@eyguem 指出这一点）我可能错了，但您[ |.]是在尝试匹配空格和句点吗？如果是这样，您就不需要 ，| 并且转义特殊字符（例如.. （即[ \.]）。

如果您知道季节/剧集和质量之间的字符串是字母、空格或句点，您可以使用类似这样的内容（编辑：如果有非字母字符，如“-”、“+”等，您需要将它们添加到字符集中）：

    tv = re.findall(r"""(.*)          # Title
                        [ .]
                        S(\d{1,2})    # Season
                        E(\d{1,2})    # Episode
                        [ .a-zA-Z]*  # Space, period, or words like PROPER/Buried
                        (\d{3,4}p)?   # Quality
                    """, name, re.VERBOSE)

同样，您可以对电影部分执行此操作：

movie = re.findall(r"""(.*?[ .]\d{4})  # Title including year
                       [ .a-zA-Z]*     # Space, period, or words
                       (\d{3,4}p)?      # Quality
                    """, name, re.VERBOSE)

这是输出：

---------- TV ----------
Show: The Newsroom 2012
Season: 2
Episode: 6
Quality: 720p
---------- TV ----------
Show: Breaking Bad
Season: 5
Episode: 10
Quality: nonHD
---------- TV ----------
Show: Breaking Bad
Season: 5
Episode: 10
Quality: 720p
---------- TV ----------
Show: Dexter
Season: 8
Episode: 8
Quality: nonHD
---------- TV ----------
Show: Dexter
Season: 8
Episode: 7
Quality: 1080p
---------- TV ----------
Show: Dexter
Season: 8
Episode: 7
Quality: 720p
--------- MOVIE --------
Title: The Great Gatsby 2013
Quality: 1080p
--------- MOVIE --------
Title: The Forbidden Girl 2013
Quality: nonHD
--------- MOVIE --------
Title: Pain & Gain 2013
Quality: 720p
---------- TV ----------
Show: Band of Brothers
Season: 1
Episode: 2
Quality: nonHD
---------- TV ----------
Show: Dexter
Season: 8
Episode: 6
Quality: 720p
---------- TV ----------
Show: Dexter
Season: 8
Episode: 6
Quality: 720p
于 2013-08-20T19:12:28.560 回答
1

[ae*6]代表一个字符。这意味着这个字符可以是 要么a，要么，要么e，要么。 那么没有必要写，顺便说一句，意思是“字符是，或者，或者”。*6
[ |.]|.

我做了一些改进。如果您有任何问题，请随时问我。

注意：像这样的部分：(?:[ .](\d{3}\d?p)|\Z) after.*? 是强制懒惰点.*?转到下一个点的必要条件。然后是720p （如果有），不要停在第一个点。并且考虑到数字和p是可选的。
如果没有这样的720p，则惰性点一直到字符串的末尾（\Z强制它这样做）并声明它没有找到任何720p。

import re
names = [
    "The.Newsroom.2012.S02E06.720p.HDTV.x264-KILLERS.mkv",
    "Breaking.Bad.S05E10.Buried.HDTV.XviD-AFG.avi",
    "Trekking.Bad.S05E12.Buried.720p.HDTV.x264-AFG.mkv",
    "Dexter.S08E08.HDTV.XviD-AFG.avi",
    "Dexter.S08E07.1080p.HDTV.x264-QCF.mkv",
    "Dexter S08E07 720p HDTV x264-QCF.mkv",
    "The.Great.Gatsby.2013.BluRay.1080p.DTS.x264-CHD.mkv",
    "The Forbidden Girl 2013 BRRIP Xvid AC3-BHRG.avi",
    "Pain.&.Gain.2013.720p.BluRay.DD5.1.x264-HiDt.mkv",
    "Band.of.Brothers.S01E02.Day.of.Days.DVDRip.XviD-AC3-BAGS.avi",
    "Dexter.S08E06.PROPER.720p.HDTV.x264-IMMERSE.mkv",
    "Dexter S08E06 PROPER 720p HDTV x264-IMMERSE.mkv"
    ]

regtv = re.compile('(.+?)'
                   '[ .]S(\d\d?)E(\d\d?)'
                   '.*?'
                   '(?:[ .](\d{3}\d?p)|\Z)?')

regmovie = re.compile('(.*?[ .]\d{4})'
                      '.*?'
                      '(?:[ .](\d{3}\d?p)|\Z)?')

for name in names:
    tv = regtv.match(name)
    if tv:
        print("---------- TV ----------\n"
              "Show: %s\n"
              "Season: %s\n"
              "Episode: %s\n"
              "Quality: %s" %
              (tv.group(1).replace(".", " "),
               tv.group(2),
               tv.group(3),
               tv.group(4) if tv.group(4) else "nonHD")
              )
    else:
        movie = regmovie.match(name)
        if movie:
            print("--------- MOVIE --------\n"
                  "Title: %s\n"
                  "Quality: %s" %
                  (movie.group(1).replace(".", " "),
                   movie.group(2) if movie.group(2) else "nonHD")
                  )
        else:
            print("----- error for -----\n%s" % name)
于 2013-08-20T19:22:09.900 回答
1

如果您的正则表达式使用 re.VERBOSE 标志分解，这可能会有所帮助。

我懂了

[\d+]{3,4}

我认为这是误导。这不是说“至少有一位小数重复三四次”吗？我认为

\d{3,4}

没问题。

在开发正则表达式时，我从创建小模式开始：

episode_pattern = re.compile(r"S\d+E\d+", re.IGNORECASE)

希望有帮助。

于 2013-08-20T17:04:17.900 回答
0

我知道这个问题是用“re module”说的，但为了帮助而不是迂腐，这里有一个更简单、更快的文件名解析。

file_name = path.rsplit('.', 1)[0].rsplit('/', 1)[-1]

如果您需要它同时适用于 windows 和 unix，请在末尾添加一个 rsplit('\', 1)[-1] 。这是快速、可预测的，并且每次都会解析文件名。

于 2018-01-08T00:01:13.650 回答