1

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。

4

4 回答 4

3

好吧，我认为您可以将当前拥有的正则表达式用作有效文件名并稍微调整一下：

\s*-\s*(\(\d{5}\))\s*-\s*(\w{3}\s\d{4}\w?-\d{3}-(?:[^.\s]|\b\s\b)+)\s*-\s*([^.]+\.txt)$

并使用以下替换：

 - \1 - \2 - \3

（第一个连字符前还有一个空格）

我*在\sand used中添加了一些(?:[^.\s]|\b\s\b)+)（以允许课程名称中的空格）而不是[^\.]（请注意，[^\.]不需要转义句点）。

正则表达式 101 演示。

>>> f4 = '201308    -    (12345)-ABC 2233L-007-course Name-last, first.txt'
>>> print(re.sub(r'\s*-\s*(\(\d{5}\))\s*-\s*(\w{3}\s\d{4}\w?-\d{3}-(?:[^.\s]|\b\s\b)+)\s*-\s*([^.]+\.txt)$', r' - \1 - \2 - \3', f4)
201308 - (82609) - MAC 2233-007-Methods of Calculus - Klingler, Lee.txt
于 2013-09-14T16:39:45.980 回答
2

对于如此复杂的任务，编写一个简单的解析器会更简单。即使没有编写解析器，这样的东西似乎仍然比正则表达式更容易管理：

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'

for f in [f0,f1,f2,f3,f4,f5]:
    parts = f.split('-')
    parts = [p.strip() for p in parts]
    for i in range(0, len(parts)):
        if i == 0 or i == 4:
            parts[i] = parts[i] + ' '
        elif i == 2:
            parts[i] = ' ' + parts[i]
        elif i != 3:
            parts[i] = ' ' + parts[i] + ' '

    result = "-".join(parts)

    print result

如果输入数据与您提供的数据大体相似，那么很少有这样的 if 可以工作。

结果：

201308 - (82608) - MAC 2233-007-微积分方法 - Klingler, Lee.txt
201308 - (12345) - ABC 2233L-007-课程名称 1 - last, first.txt
@@@@@@123 abc-a-1-b-2.txt
201308 - (82609) - MAC 2233-007-微积分方法 - Klingler, Lee.txt
201308 - (12345) - ABC 2233L-007-课程名称 - last, first.txt
201308 - (12345) - ABC 2233L-007-课程名称 - last, first.txt
于 2013-09-14T16:20:27.353 回答
1

我会使用findall()而不是 a sub()，例如：

re.findall(r'^(\d+)\s*-\s*(\(\d+\))\s*-\s*(.*?)\s*-\s*(\S+,.*)$', string)

演示：

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'

for f in [f0, f1, f3, f4, f5]:
    print(' - '.join(str(elem) for elem in re.findall(r'^(\d+)\s*-\s*(\(\d+\))\s*-\s*(.*?)\s*-\s*(\S+,.*)$', f)[0]))

它产生：

201308 - (82608) - MAC 2233-007-Methods of Calculus - Klingler, Lee.txt
201308 - (12345) - ABC 2233L-007-course Name 1 - last, first.txt
201308 - (82609) - MAC 2233-007-Methods of Calculus - Klingler, Lee.txt
201308 - (12345) - ABC 2233L-007-course Name - last, first.txt
201308 - (12345) - ABC 2233L-007-course Name - last, first.txt
于 2013-09-14T16:41:54.180 回答
0

这样的事情对你有用吗？我不明白连字符是否是唯一困扰你的事情。

' '.join(filter(lambda x: x!='', f4.replace('-',' - ').split(' ')))

例子：

>>> 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'

>>> for i in [f0,f1,f2,f3,f4,f5]:
...     print ' '.join(filter(lambda x: x!='', i.replace('-',' - ').split(' ')))
201308 - (82608) - MAC 2233 - 007 - Methods of Calculus - Klingler, Lee.txt
201308 - (12345) - ABC 2233L - 007 - course Name 1 - last, first.txt
@ @ @ @ @ @ 123 abc - a - 1 - b - 2.txt
201308 - (82609) - MAC 2233 - 007 - Methods of Calculus - Klingler, Lee.txt
201308 - (12345) - ABC 2233L - 007 - course Name - last, first.txt
201308 - (12345) - ABC 2233L - 007 - course Name - last, first.txt
于 2013-09-14T16:20:22.307 回答