正则表达式排除目录，捕获以逗号分隔的文件名，排除"(number)"和扩展名

Question

在过去的

三天里，我一直在尝试制作一个供我自己使用的图像/短视频标记系统，但这已被证明是一个超越我的挑战。

这些是字符串：

d:imagestagging 1GIFskung fu panda, fight.webm
d:imagestagging 1GIFskung fu panda, fight (2).webm
d:imagestagging 1GIFskung fu panda 2, fight.webm
d:imagestagging 1GIFskung fu panda 2, fight (2).webm
d:imagestagging 1GIFspulp fiction, samuel l. jackson, angry, funny.webm

我尝试修改了四件事以实现我想要的，但没有成功：

(?<=d:\images\taggings1\GIFs\)([ws])+
([a-z0-9]s?)+
(?<=\)[^\]*?(?=..*$)
[^\/:*?"<>|rn]+$

1 几乎在那里，但它不会超过第一个逗号。

2 这几乎可以完成所有操作，但我还没有找到排除目录、（#） 和扩展名的方法。

3 取自互联网，捕获"l."并停在那里，整个文件名，不能随心所欲地使用逗号，捕获 （#）。

4 取自正则表达式（是的，我实际上是在绝望中购买的），捕获 （#） 和扩展。

@timgeb

目的是获取不带逗号、（#） 和扩展名的文件名，因此：

"kung fu panda" "fight"
"kung fu panda" "fight"
"kung fu panda 2" "fight"
"kung fu panda 2" "fight"
"pulp fiction" "samuel l. jackson" "angry" "funny"

Answer 1

你的问题不是很清楚，但我认为你想解析文件名。如果是这种情况，我不建议使用re作为您的主要工具。

相反，请查看os.path：

import os.path  # Or `import ntpath` for Windows paths on non-Windows systems
dir, file_name = os.path.split('d:imagestagging 1GIFskung fu panda, fight (2).webm')
# dir = 'd:imagestagging 1GIFs'
# file_name = 'kung fu panda, fight (2).webm'
root, ext = os.path.splitext(file_name)
# root = 'kung fu panda, fight (2)'
# ext = '.webm'

现在你有一个更简单的问题：删除括号中的数字。

Answer 2

获取基名称，用空字符串替换括号中的整数和扩展名，并去除空格。

from ntpath import basename
import re
map(str.strip, re.sub('(d+)|.w+$', '', basename(s)).split(','))

演示：

>>> s = 'd:imagestagging 1GIFskung fu panda, fight.webm'
>>> map(str.strip, re.sub('(d+)|.w+$', '', basename(s)).split(','))
['kung fu panda', 'fight']
>>> s = 'd:imagestagging 1GIFskung fu panda, fight (2).webm'
>>> map(str.strip, re.sub('(d+)|.w+$', '', basename(s)).split(','))
['kung fu panda', 'fight']
>>> s = 'd:imagestagging 1GIFskung fu panda 2, fight.webm'
>>> map(str.strip, re.sub('(d+)|.w+$', '', basename(s)).split(','))
['kung fu panda 2', 'fight']
>>> s = 'd:imagestagging 1GIFskung fu panda 2, fight (2).webm'
>>> map(str.strip, re.sub('(d+)|.w+$', '', basename(s)).split(','))
['kung fu panda 2', 'fight']
>>> s = 'd:imagestagging 1GIFspulp fiction, samuel l. jackson, angry, funny.webm'
>>> map(str.strip, re.sub('(d+)|.w+$', '', basename(s)).split(','))
['pulp fiction', 'samuel l. jackson', 'angry', 'funny']

Answer 3

如果我得到你，你想要最后一个标签（功夫熊猫，战斗.webm）在1GIFs之后 - 如果您添加更多内容字符串，那么我可以为您规范化代码。 此代码仅提取标签并生成常规列表。 进口再

s="""d:imagestagging 1GIFskung fu panda, fight.webm
d:imagestagging 1GIFskung fu panda, fight (2).webm
d:imagestagging 1GIFskung fu panda 2, fight.webm
d:imagestagging 1GIFskung fu panda 2, fight (2).webm
d:imagestagging 1GIFspulp fiction, samuel l. jackson, angry, funny.webm"""
lines = s.split('n')# Just generate a list of lines
for t in lines:
    data = re.search(r'1\GIFs\(.+$)',t)
    print data.group(1).split(',')

输出-

['kung fu panda', ' fight.webm']
['kung fu panda', ' fight (2).webm']
['kung fu panda 2', ' fight.webm']
['kung fu panda 2', ' fight (2).webm']
['pulp fiction', ' samuel l. jackson', ' angry', ' funny.webm']

表达式 1\GIFs\(.+$) 将捕获 1\GIFs 之后的最后一个标记

观看现场演示