python 重新。排除一些结果

Question

我是 RE 的新手，我正在尝试获取歌词并分离出歌词标题、和声和主唱:

下面是一些歌词的例子:

[Intro]
D.A. got that dope!

[Chorus: Travis Scott]
Ice water, turned Atlantic (Freeze)
Nightcrawlin' in the Phantom (Skrrt, Skrrt)...

经文标题包括方括号和它们之间的任何单词。它们可以通过

成功隔离

r'\[{1}.*?\]{1}'

和声与诗句标题相似，但介于 () 之间。他们已成功隔离:

r'\({1}.*?\){1}'

对于主唱，我用过

r'\S+'

这确实隔离了主唱，但也隔离了诗歌标题和伴唱。我无法弄清楚如何使用简单的 RE 仅隔离主要人声。

这是一个 python 脚本，它可以得到我想要的输出，但我想用 REs 来做(作为一个学习练习)并且无法通过文档弄清楚。

import re

file = 'D:/lyrics.txt'
with open(file, 'r') as f:
    lyrics = f.read()

def find_spans(pattern, string):
    pattern = re.compile(pattern)
    return [match.span() for match in pattern.finditer(string)]

verses = find_spans(r'\[{1}.*?\]{1}', lyrics)
backing_vocals = find_spans(r'\({1}.*?\){1}', lyrics)
main_vocals = find_spans(r'\S+', lyrics)

exclude = verses
exclude.extend(backing_vocals)

not_main_vocals = []
for span in exclude:
    start, stop = span
    not_main_vocals.extend(list(range(start, stop)))

main_vocals_temp = []
for span in main_vocals:
    append = True
    start, stop = span
    for i in range(start, stop):
        if i in not_main_vocals: 
            append = False
            continue
    if append == True: 
        main_vocals_temp.append(span)
main_vocals = main_vocals_temp

Answer 1

试试这个 Demo :

pattern = r'(?P<Verse>\[[^\]]+])|(?P<Backing>\([^\)]+\))|(?P<Lyrics>[^\[\(]+)'

您可以使用 re.finditer隔离组。

breakdown = {k: [] for k in ('Verse', 'Backing', 'Lyrics')}
for p in pattern.finditer(song):
    for key, item in p.groupdict().items():
        if item: breakdown[key].append(item)

结果:

{
  'Verse': 
    [
      '[Intro]', 
      '[Chorus: Travis Scott]'
    ], 
  'Backing': 
    [
      '(Freeze)', 
      '(Skrrt, Skrrt)'
    ], 
  'Lyrics': 
    [
      '\nD.A. got that dope!\n\n', 
      '\nIce water, turned Atlantic ', 
      "\nNightcrawlin' in the Phantom ", 
      '...'
    ]
}

为了进一步详细说明该模式，它使用命名组来分隔三个不同的组。使用 [^\]+]和类似的只是意味着找到所有不是的东西] (同样地，当 \) 意味着一切不是 ) 时)。在歌词部分，我们排除了所有以 [ 开头的内容和 ( . link to the demo on regex101如果您需要，我会更详细地解释这些组件。

如果您不关心主要歌词中的换行符，请使用 (?P<Lyrics>[^\[\(\n]+) (不包括 \n )将你的歌词变成没有换行符:

'Lyrics': [
  'D.A. got that dope!', 
  'Ice water, turned Atlantic ',
  "Nightcrawlin' in the Phantom ", 
  '...'
]