python - 如何将正则表达式与多个重叠模式匹配？

Question

上下文

我有一个由混合 mp3 信息组成的字符串，我必须尝试将其与由任意字符串和标记组成的模式进行匹配。它是这样工作的:

1. 程序向用户显示给定的字符串

the Beatles_Abbey_Road-SomeWord-1969

1. 用户输入一个模式来帮助程序解析字符串

the %Artist_%Album-SomeWord-%Year

1. 然后我想显示比赛结果(但需要你的帮助)

2 possible matches found :
[1] {'Artist': 'Beatles', 'Album':'Abbey_Road', 'Year':1969}
[2] {'Artist': 'Beatles_Abbey', 'Album':'Road', 'Year':1969}

问题

例如，假设模式是艺术家姓名后跟标题(分隔符:“-”)。

示例 1:

>>> artist = 'Bob Marley'
>>> title = 'Concrete Jungle'
>>> re.findall(r'(.+)-(.+)', '%s-%s' % (artist,title))
[('Bob Marley', 'Concrete Jungle')]

到目前为止，还不错。但是……
我无法控制所使用的定界符，也无法保证它不存在于标签中，因此存在更棘手的情况:

示例 2:

>>> artist = 'Bob-Marley'
>>> title = 'Roots-Rock-Reggae'
>>> re.findall(r'(.+)-(.+)', '%s-%s' % (artist,title))
[('Bob-Marley-Roots-Rock', 'Reggae')]

正如预期的那样，它在那种情况下不起作用。

如何生成艺术家/标题的所有可能组合？

[('Bob', 'Marley-Roots-Rock-Reggae'),
 ('Bob-Marley', 'Roots-Rock-Reggae')
 ('Bob-Marley-Roots', 'Rock-Reggae'),
 ('Bob-Marley-Roots-Rock', 'Reggae')]

正则表达式是用于该工作的工具吗？

请记住，要匹配的标签数量和这些标签之间的分隔符不是固定的，而是用户定义的(因此要使用的正则表达式必须是可动态构建的)。
我尝试尝试使用贪婪匹配与最小匹配 和先行 断言，但没有成功。

谢谢你的帮助

Answer 1

这个解决方案似乎有效。除了正则表达式之外，您还需要一个元组列表来描述模式，其中每个元素对应于正则表达式的一个捕获组。

对于您的披头士乐队示例，它看起来像这样:

pattern = r"the (.+_.+)-SomeWord-(.+)"
groups = [(("Artist", "Album"), "_"), ("Year", None)]

因为 Artist 和 Album 只被一个分隔符分开，所以它们将被一起捕获在一个组中。列表中的第一项表示第一个捕获组将拆分为 Artist 和 Album，并将使用 _ 作为分隔符.列表中的第二项表示第二个捕获组将直接用作 Year，因为元组中的第二个元素是 None。然后您可以像这样调用该函数:

>>> get_mp3_info(groups, pattern, "the Beatles_Abbey_Road-SomeWord-1969")
[{'Album': 'Abbey_Road', 'Year': '1969', 'Artist': 'Beatles'}, {'Album': 'Road', 'Year': '1969', 'Artist': 'Beatles_Abbey'}]

代码如下:

import re
from itertools import combinations

def get_mp3_info(groups, pattern, title):
    match = re.match(pattern, title)
    if not match:
        return []
    result = [{}]
    for i, v in enumerate(groups):
        if v[1] is None:
            for r in result:
                r[v[0]] = match.group(i+1)
        else:
            splits = match.group(i+1).split(v[1])
            before = [d.copy() for d in result]
            for comb in combinations(range(1, len(splits)), len(v[0])-1):
                temp = [d.copy() for d in before]
                comb = (None,) + comb + (None,)
                for j, split in enumerate(zip(comb, comb[1:])):
                    for t in temp:
                        t[v[0][j]] = v[1].join(splits[split[0]:split[1]])

                if v[0][0] in result[0]:
                    result.extend(temp)
                else:
                    result = temp
    return result

还有鲍勃马利的另一个例子:

>>> pprint.pprint(get_mp3_info([(("Artist", "Title"), "-")],
...               r"(.+-.+)", "Bob-Marley-Roots-Rock-Reggae"))
[{'Artist': 'Bob', 'Title': 'Marley-Roots-Rock-Reggae'},
 {'Artist': 'Bob-Marley', 'Title': 'Roots-Rock-Reggae'},
 {'Artist': 'Bob-Marley-Roots', 'Title': 'Rock-Reggae'},
 {'Artist': 'Bob-Marley-Roots-Rock', 'Title': 'Reggae'}]