Python 正则表达式适用于 Regex101，但不适用于 Python 2

Question

我创建了一个正则表达式来匹配电视节目的中英文名称。

我的正则表达式位于 https://regex101.com/r/rBJHDG .它在正则表达式上完美运行。但是，此正则表达式在 Python 2 中不起作用。

例如字符串亿万.Billions.S01E01.中英字幕.HDTVrip.1024X576.mp4.

正则表达式不匹配 亿万 as name_chs in expect。相反，它将 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:

如何去掉name_en中中文名和英文名之间的.？

# 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`

Answer 1

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

你可以试试 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)

和

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

关于你的第二个问题:

我只想通过添加 (.) 使那个点成为自己的捕获组在英文名前，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，它只会是单词，因为点在它自己的捕获组中。