将电视和电影文件名与Regex匹配

Question

我一直在研究一个正则表达式，从视频的文件名中获取电视节目或电影的名称、播出年份（如果有的话）、季号和集号。我有一个正则表达式（如下），它似乎适用于双年度日期的节目（其中一个年份在节目/电影名称中，另一个年份是它播出的年份），适用于电影和电视节目。对于电视节目，如果格式是SXXEXX或XXX，它可以获取季节和剧集编号。我一直在regex101.com测试引擎中测试它。如果文件名中不存在年份，表达式将不会返回任何内容。此外，如果文件名有一个4位数的数字，实际上是节目名称的一部分，它会认为这是播出年份（即"the 4400"）。如何修改此表达式以处理我所描述的额外条件？

最终目标是，我想把它放进一个python脚本中，该脚本可以查询像TheTVDB.com这样的网站，如果文件是电影或电视节目，这样我就可以把我庞大的视频库排序到电视节目和电影文件夹中。

(?P<ShowName>.*)[ (_.]#Show Name
       (?=19[0-9]d|20[0-4]d|2050) #If after the show name is a year
          (?P<ShowYear>d{4,4}) # Get the show year
          | # Else
          (?=Sd{1,2}Ed{1,2}) 
             S(?P<Season>d{1,2})E(?P<Episode>d{1,2}) #Get the season and Episode information
             |
             (d{1})E(d{1,2})

这是我使用的测试数据

• 射箭.2009.S04E13
• 太空1999 1975
• 空间：1999（1975）
• 空间.1999.1975.S01E01
• 太空1999。（1975）
• 400.204.mkv
• 太空1999（1975）v.2009.01E13.标题.avi
• 青少年.wolf.S4E12.HDTV.x264
• Se7en。（1995）.avi
• 如何训练你的龙2

正则表达式无法正确处理以下测试数据：

• 400.204.mkv
• 青少年.wolf.S4E12.HDTV.x264
• 如何训练你的龙2

更新：这是基于注释的新表达式。它的工作效果要好得多，但在表达式下面列出的3个文件名方面遇到了困难。

(?P<ShowName>.*)#Show Name
(
   [ (_.]
   (
       (?=d{4,4}) #If after the show name is a year
          (?P<ShowYear>d{4})  # Get the show year
          | # Else no year in the file name then just grab the name
          (?P<otherShowName>.*) # Grab Show Name
          (?=Sd{1,2}Ed{1,2}) # If the Season Episode patterns matches SX{1,2}EX{1,2}, Then
             S(?P<Season>d{1,2})E(?P<Episode>d{1,2}) #Get the season and Episode information
             | # Else
             (?P<Alt_S_E>d{3,4}) # Get the season and Episode that looks like 211
   )
|$)

• Se7en
• 公元前10000年（2010年）
• v.2009.01E13.标题.avi
• 射箭.2009.S04E13

Answer 1

我对您的正则表达式做了一些修改，如果我理解正确的话，它似乎可以工作。

^(
  (?P<ShowNameA>.*[^ (_.]) # Show name
    [ (_.]+
    ( # Year with possible Season and Episode
      (?P<ShowYearA>d{4})
      ([ (_.]+S(?P<SeasonA>d{1,2})E(?P<EpisodeA>d{1,2}))?
    | # Season and Episode only
      (?<!d{4}[ (_.])
      S(?P<SeasonB>d{1,2})E(?P<EpisodeB>d{1,2})
    | # Alternate format for episode
      (?P<EpisodeC>d{3})
    )
|
  # Show name with no other information
  (?P<ShowNameB>.+)
)

查看regex101 上的演示

编辑：我已经更新了regex来处理您在评论中提到的最后三种情况。

一个主要的问题是在主替换中没有parens，所以它包含了整个regex。我还必须添加一个替换，以不允许名称后面的年份/剧集格式。

因为有太多不同的可能布局，它们可能相互冲突，所以regex最终是不同场景的大量交替。例如，为了匹配一个根本没有年份或剧集信息的标题，我必须在整个正则表达式周围添加一个替换项，如果找不到任何已知的模式，就匹配整个正则表达式。

注意：现在你似乎已经扩大了演出年份，以匹配任何四位数字，所以没有必要进行展望。换句话说，(?=d{4,4})(?P<ShowYear>d{4})与(?P<ShowYear>d{4})是相同的。这也意味着你的剧集格式必须只匹配3位数，而不是4位数。否则，就无法将一个独立的4位数序列区分为一年或一集。

一般模式：

[ (_.]+                   the delimiter used throughout
(?P<ShowNameA>.*[^ (_.])  the show name, greedy but not including a delimiter
(?P<ShowNameB>.+)         the show name when it's the whole line

格式A（可能有季节和插曲的年份）：

(?P<ShowYearA>d{4})
([ (_.]+S(?P<SeasonA>d{1,2})E(?P<EpisodeA>d{1,2}))?

格式B（仅限季节和剧集）：

(?<!d{4}[ (_.])
S(?P<SeasonB>d{1,2})E(?P<EpisodeB>d{1,2})

格式C（剧集的备用格式）：

(?P<EpisodeC>d{3})

Answer 2

如果可以的话，我调整了brian的regex以匹配之类的东西

商店名称201X.SXXEXX.XSUB.VOSTFR.720p.HDTV.x264-ADDiCTiON.mkv-

这是（PHP PCRE）

/^(
    (?P<ShowNameA>.*[^ (_.]) # Show name
        [ (_.]+
        ( # Year with possible Season and Episode
            (?P<ShowYearA>d{4})
            ([ (_.]+S(?P<SeasonA>d{1,2})E(?P<EpisodeA>d{1,2}))?
        | # Season and Episode only
            (?<!d{4}[ (_.])
            S(?P<SeasonB>d{1,2})E(?P<EpisodeB>d{1,2})
        )
|
        # Show name with no other information
        (?P<ShowNameB>.+)
)/mx