[英]How to match regex with multiple overlapping patterns?
我有一个由混合 mp3 信息组成的字符串,我必须尝试匹配由任意字符串和标记组成的模式。 它是这样工作的:
The Beatles_Abbey_Road-SomeWord-1969
%Artist_%Album-SomeWord-%Year
找到 2 个可能的匹配项:
[1] {'艺术家':'披头士','专辑':'Abbey_Road','年份':1969}
[2] {'艺术家':'Beatles_Abbey','专辑':'Road','Year':1969}
例如,假设模式是艺术家姓名后跟标题(分隔符:'-')。
示例 1:
>>> artist = 'Bob Marley'
>>> title = 'Concrete Jungle'
>>> re.findall(r'(.+)-(.+)', '%s-%s' % (artist,title))
[('Bob Marley', 'Concrete Jungle')]
到目前为止,一切都很好。 但...
我无法控制使用的分隔符,也无法保证它不存在于标签中,因此存在更棘手的情况:
示例 2:
>>> artist = 'Bob-Marley'
>>> title = 'Roots-Rock-Reggae'
>>> re.findall(r'(.+)-(.+)', '%s-%s' % (artist,title))
[('Bob-Marley-Roots-Rock', 'Reggae')]
正如预期的那样,它在这种情况下不起作用。
如何生成艺术家/标题的所有可能组合?
[('Bob', 'Marley-Roots-Rock-Reggae'),
('Bob-Marley', 'Roots-Rock-Reggae')
('Bob-Marley-Roots', 'Rock-Reggae'),
('Bob-Marley-Roots-Rock', 'Reggae')]
正则表达式是用于该工作的工具吗?
请记住,要匹配的标签数量和这些标签之间的分隔符不是固定的,而是用户定义的(因此要使用的正则表达式必须是可动态构建的)。
我尝试尝试贪婪与最小匹配和前瞻断言,但没有成功。
谢谢你的帮助
这个解决方案似乎有效。 除了正则表达式之外,您还需要一个元组列表来描述模式,其中每个元素对应于正则表达式的一个捕获组。
对于披头士乐队的例子,它看起来像这样:
pattern = r"the (.+_.+)-SomeWord-(.+)"
groups = [(("Artist", "Album"), "_"), ("Year", None)]
因为Artist
和Album
仅由一个分隔符分割,所以它们将被一起捕获在一个组中。 列表中的第一项表示第一个捕获组将被拆分为和Artist
和一个Album
,并将使用_
作为分隔符。 列表中的第二项表示第二个捕获组将直接用作Year
,因为元组中的第二个元素是None
。 然后您可以像这样调用 function:
>>> get_mp3_info(groups, pattern, "the Beatles_Abbey_Road-SomeWord-1969")
[{'Album': 'Abbey_Road', 'Year': '1969', 'Artist': 'Beatles'}, {'Album': 'Road', 'Year': '1969', 'Artist': 'Beatles_Abbey'}]
这是代码:
import re
from itertools import combinations
def get_mp3_info(groups, pattern, title):
match = re.match(pattern, title)
if not match:
return []
result = [{}]
for i, v in enumerate(groups):
if v[1] is None:
for r in result:
r[v[0]] = match.group(i+1)
else:
splits = match.group(i+1).split(v[1])
before = [d.copy() for d in result]
for comb in combinations(range(1, len(splits)), len(v[0])-1):
temp = [d.copy() for d in before]
comb = (None,) + comb + (None,)
for j, split in enumerate(zip(comb, comb[1:])):
for t in temp:
t[v[0][j]] = v[1].join(splits[split[0]:split[1]])
if v[0][0] in result[0]:
result.extend(temp)
else:
result = temp
return result
鲍勃马利的另一个例子:
>>> pprint.pprint(get_mp3_info([(("Artist", "Title"), "-")],
... r"(.+-.+)", "Bob-Marley-Roots-Rock-Reggae"))
[{'Artist': 'Bob', 'Title': 'Marley-Roots-Rock-Reggae'},
{'Artist': 'Bob-Marley', 'Title': 'Roots-Rock-Reggae'},
{'Artist': 'Bob-Marley-Roots', 'Title': 'Rock-Reggae'},
{'Artist': 'Bob-Marley-Roots-Rock', 'Title': 'Reggae'}]
像这样的东西而不是使用正则表达式呢?
import re
string = "Bob-Marley-Roots-Rock-Reggae"
def allSplits(string, sep):
results = []
chunks = string.split('-')
for i in xrange(len(chunks)-1):
results.append((
sep.join(chunks[0:i+1]),
sep.join(chunks[i+1:len(chunks)])
))
return results
print allSplits(string, '-')
[('Bob', 'Marley-Roots-Rock-Reggae'), ('Bob-Marley', 'Roots-Rock-Reggae'), ('Bob-Marley-Roots', 'Rock-Reggae'), ('Bob-Marley-Roots-Rock', 'Reggae')]
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.