python - RegEx:如何匹配特定时间以上的时间码？

Question

我正在编写一个脚本来搜索 YouTube 视频的元数据并从中获取时间码(如果有)。

with urllib.request.urlopen("https://www.googleapis.com/youtube/v3/videos?id=m65QTeKRWNg&key=AIzaSyDls3PGTAKqbr5CqSmxt71fzZTNHZCQzO8&part=snippet") as url:
            data = json.loads(url.read().decode())

description = json.dumps(data['items'][0]['snippet']['description'], indent=4, sort_keys=True)
print(description)

这工作正常，所以我继续查找时间码。

# finds timecodes like 00:00
timeBeforeHour = re.findall(r'[\d\.-]+:[\d.-]+', description)

>>[''0:00', '6:00', '9:30', '14:55', '19:00', '23:23', '28:18', '33:33', '37:44', '40:04', '44:15', '48:00', '54:00', '58:18', '1:02', '1:06', '1:08', '1:12', '1:17', '1:20']

它超越并抓取了 59:00 之后的时间，但不正确，因为它错过了最后的“:”，所以我抓取了剩余的集合:

# finds timecodes like 00:00:00
timePastHour = re.findall(r'[\d\.-]+:[\d.-]+:[\d\.-]+', description)

>>['1:02:40', '1:06:10', '1:08:15', '1:12:25', '1:17:08', '1:20:34']

我想连接它们，但仍然存在第一个正则表达式中时间不正确的问题。如何阻止第一个正则表达式的范围超过一小时，即 59:59？

我看着正则表达式，我的头有点爆炸，任何澄清都会很棒!

编辑:

我已经尝试过这个:

description = re.findall(r'?<!\d:)(?<!\d)[0-5]\d:[0-5]\d(?!:?\d', description)

还有这个:

description = re.findall(r'^|[^\d:])([0-5]?[0-9]:[0-5][0-9])([^\d:]|$', description)

但我输入错误。正则表达式的位置是什么？

另外，对于上下文，这是我试图删除的示例的一部分:

 Naked\n1:02:40 Marvel 83' - Genesis\n1:06:10 Ward-Iz - The Chase\n1:08:15 Epoch - Formula\n1:12:25 Perturbator - Night Business\n1:17:08 Murkula - Death Code\n1:20:34 LAZERPUNK - Revenge\n\nPhotography by Jezael Melgoza"

Answer 1

使用

results = re.findall(r'(?<!\d:)(?<!\d)[0-5]?\d:[0-5]\d(?!:?\d)', description)

请参阅regex demo .

当不在单独的冒号分隔的数字字符串(如 11:22:22:33 )内时，它将匹配时间字符串。

说明:

• (?<!\d:) - 负向后查找，匹配前面没有紧接数字的位置和 :
• (?<!\d) - 负向后查找，匹配前面没有紧接数字的位置(需要单独的向后查找，因为 Python re lookbehind only accepts a fixed-width pattern )
• [0-5]?\d - 0 中的可选数字至5然后是任意 1 位数字
• : - 冒号
• [0-5]\d - 0 中的一个数字至5然后是任意 1 位数字
• (?!:?\d) - 与不立即跟随可选 : 的位置相匹配的负向前查找和一个数字。

Python online demo :

import re
description = "Tracks\n======\n0:00 Tonebox - Frozen Code\n6:00 SHIKIMO & DOOMROAR - Getaway\n9:30 d.notive - Streets of Passion\n14:55 Perturbator - Neo Tokyo"
results = re.findall(r'(?<!\d:)(?<!\d)[0-5]?\d:[0-5]\d(?!:?\d)', description)
print(results) 
# => ['0:00', '6:00', '9:30', '14:55']