如何將正則表達式與多個重疊模式匹配？

Question

上下文

我有一個由混合 mp3 信息組成的字符串，我必須嘗試匹配由任意字符串和標記組成的模式。 它是這樣工作的：

1. 該程序向用戶顯示給定的字符串

The Beatles_Abbey_Road-SomeWord-1969

1. 用戶輸入一個模式來幫助程序解析字符串

%Artist_%Album-SomeWord-%Year

1. 然后我想顯示比賽的結果（但需要你的幫助）

找到 2 個可能的匹配項：
[1] {'藝術家'：'披頭士'，'專輯'：'Abbey_Road'，'年份'：1969}
[2] {'藝術家'：'Beatles_Abbey'，'專輯'：'Road'，'Year'：1969}

問題

例如，假設模式是藝術家姓名后跟標題（分隔符：'-'）。

示例 1：

>>> artist = 'Bob Marley'
>>> title = 'Concrete Jungle'
>>> re.findall(r'(.+)-(.+)', '%s-%s' % (artist,title))
[('Bob Marley', 'Concrete Jungle')]

到目前為止，一切都很好。 但...
我無法控制使用的分隔符，也無法保證它不存在於標簽中，因此存在更棘手的情況：

示例 2：

>>> artist = 'Bob-Marley'
>>> title = 'Roots-Rock-Reggae'
>>> re.findall(r'(.+)-(.+)', '%s-%s' % (artist,title))
[('Bob-Marley-Roots-Rock', 'Reggae')]

正如預期的那樣，它在這種情況下不起作用。

如何生成藝術家/標題的所有可能組合？

[('Bob', 'Marley-Roots-Rock-Reggae'),
 ('Bob-Marley', 'Roots-Rock-Reggae')
 ('Bob-Marley-Roots', 'Rock-Reggae'),
 ('Bob-Marley-Roots-Rock', 'Reggae')]

正則表達式是用於該工作的工具嗎？

請記住，要匹配的標簽數量和這些標簽之間的分隔符不是固定的，而是用戶定義的（因此要使用的正則表達式必須是可動態構建的）。
我嘗試嘗試貪婪與最小匹配和前瞻斷言，但沒有成功。

謝謝你的幫助

Answer 1

這個解決方案似乎有效。 除了正則表達式之外，您還需要一個元組列表來描述模式，其中每個元素對應於正則表達式的一個捕獲組。

對於披頭士樂隊的例子，它看起來像這樣：

pattern = r"the (.+_.+)-SomeWord-(.+)"
groups = [(("Artist", "Album"), "_"), ("Year", None)]

因為Artist和Album僅由一個分隔符分割，所以它們將被一起捕獲在一個組中。 列表中的第一項表示第一個捕獲組將被拆分為和Artist和一個Album ，並將使用_作為分隔符。 列表中的第二項表示第二個捕獲組將直接用作Year ，因為元組中的第二個元素是None 。 然后您可以像這樣調用 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'}]

這是代碼：

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

鮑勃馬利的另一個例子：

>>> 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'}]

Answer 2

像這樣的東西而不是使用正則表達式呢？

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')]