尝试在 Python 中编写一个正则表达式,它将获取格式不正确的文件名并修复它们。这适用于某些字符串(f0-f5),但不适用于其他字符串:
import re, os, sys
f0 = '201308 - (82608) - MAC 2233-007-Methods of Calculus - Klingler, Lee.txt'
f1 = '201308 - (12345) - ABC 2233L-007-course Name 1 - last, first.txt'
f2 = '@ @ @ @ @ @ 123 abc - a-1 - b-2.txt'
f3 = '201308-(82609) -MAC 2233-007-Methods of Calculus - Klingler, Lee.txt'
f4 = '201308 - (12345)-ABC 2233L-007-course Name-last, first.txt'
f5 = '201308-(12345)-ABC 2233L-007-course Name-last, first.txt'
term = "201308"
res1 = re.search(term + '\s-\s\(\d{5}\)\s-\s\w{3}\s\d{4}\w?-\d{3}-[^\.]+\s-\s[^\.]+\.txt', f1)
r1 = re.sub(r"(?<=[0-9]) ?- ?(?=[^0-9a-zA-Z])", " - ", re.sub(r"(?<=[^0-9]) ?- ?(?=[0-9a-zA-Z])", " - ", f4))
r2 = re.sub(r"(?<=[0-9]) *- *(?=[^0-9a-zA-Z])", " - ", re.sub(r"(?<=[^0-9]) *- *(?=[0-9a-zA-Z])", " - ", f4)) # success!!
if r1: print r1
else: print "error on %s"%r1
if r2: print r2
else: print "error on %s"%r2
正如您从 f0-f5 中看到的(除了 f2 ,它只是一个异常值),这旨在获取连字符之间具有不正确空格的字符串(在此处划分元素),并将其重新组合在一起,如r1
和所示r2
。这res1
是匹配格式正确的字符串的正则表达式。
这是正确文件名的示例(错误名称具有不同的空格):
201308 - (82608) - MAC 2233-007-Methods of Calculus - Klingler, Lee.txt
出于同样的原因,re.split()
不能使用,因为它不会将连字符之间的空格规范化为字符串中该点所需的任何内容。
f3 可以通过 修复r2
,但 f4 和 f5 确实是我需要纠正的错误类型。连字符前后的空格(仅)需要完全匹配正确的格式。
编辑:
感谢所有写信并提供解决方案的人。你今天确实教会了我很多,放心,你单枪匹马地提高了至少 1 人的编程能力。锦上添花正在帮助我解决一个困扰我一周的问题。不幸的是,只能选择 1 个被接受的答案,这是困难的部分。
非常接近,但仅使用正则表达式,因为时间复杂度可能不是一个大问题,总共 <500 个文件(并且划分为目录,因此不会减慢程序的每次传递,无论如何都是用户输入驱动的)。此外,我刚刚从正则表达式中学到了很多东西,我从这里得到了多少信息而头晕目眩。