我创建一个正则表达式来匹配电视节目的中文和英文名称。

我的正则表达式位于https://regex101.com/r/rBJHDG,在正则表达式上是完美的,但是此正则表达式在python2中不起作用。

例如,字符串亿万.Billions.S01E01.中英字幕.HDTVrip.1024X576.mp4
正则表达式在期望中与亿万不匹配为name_chs,而是与亿万.Billions匹配为name_en

In [68]: r = '^(?P<name_chs>(?:[\\u3007\\u4e00-\\u9fff\\u3400-\\u4dbf\\uf900-\\ufaff]+)(?=\\.))?(?P<name_en>\\S+).S(?P<season>\\d{2})E(?P<episode>\\d{2})'

In [69]: re.match(r, u'亿万.Billions.S01E01.中英字幕.HDTVrip.1024X576.mp4').grou
    ...: pdict()
Out[69]:
{'episode': u'01',
 'name_chs': None,
 'name_en': u'\u4ebf\u4e07.Billions',
 'season': u'01'}


第二个问题:

如何在中文名称和英文名称之间的.中删除​​name_en

# 亿万.Billions.S01E01.中英字幕.HDTVrip.1024X576.mp4
Full match  0-18    `亿万.Billions.S01E01`
Group `name_chs`    0-2 `亿万`
Group `name_en` 2-11    `.Billions`   <---- This DOT!
Group `season`  13-15   `01`
Group `episode` 16-18   `01`

最佳答案

看起来问题在于正则表达式测试器包含globalmultiline标志,但是您的代码没有。如果您在正则表达式测试器中取消选中这两个标志,则会发现该测试器与您当前的结果匹配。

您可以尝试r = '^(?P<name_chs>(?:[\\u3007\\u4e00-\\u9fff\\u3400-\\u4dbf\\uf900-\\ufaff]+)(?=\\.))?(?P<name_en>\\S+).S(?P<season>\\d{2})E(?P<episode>\\d{2})', re.MULTILINE)



re.search(r, u'亿万.Billions.S01E01.中英字幕.HDTVrip.1024X576.mp4').grou
    ...: pdict()


至于第二个问题:

我只要在英文名称的前面加上(.),就可以使该点成为自己的捕获组,就像这样...

^(?P<name_chs>(?:[\u3007\u4e00-\u9fff\u3400-\u4dbf\uf900-\ufaff]+)(?=\.))?(.)(?P<name_en>\S+).S(?P<season>\d{2})E(?P<episode>\d{2})


现在,当您打印英文名称时,它将仅是单词,因为该点位于其自己的捕获组中。

10-04 19:54