python regex可选捕获组

Question

我在匹配来自如下文件名的所需数据时遇到以下问题：

miniseries.season 1.part 5.720p.avi
miniseries.part 5.720p.avi
miniseries.part VII.720p.avi     # episode or season expressed in Roman numerals

“第二十季”一词可能存在，也可能不存在，或者可以用简短的形式写成，如“s 1”或“sease1”

无论如何，我希望有4个捕捉组作为输出：

group1 : miniseries
group2 : 1 (or None)
group3 : 5
group4 : 720p.avi

所以我写了一个这样的正则表达式：

(^.*)\Ws[eason ]*(\d{1,2}|[ivxlcdm]{1,5})\Wp[art ]*(\d{1,2}|[ivxlcdm]{1,5})\W(.*$)

只有当我有一个完全指定的文件名，包括可选的“季节XX”字符串时，这才有效。 如果找不到“season”，是否可以编写一个返回“None”作为group2的regex？

Answer 1

很容易让赛季组成为可选：

(^.*?)(?:\Ws(?:eason )?(\d{1,2}|[ivxlcdm]{1,5}))?\Wp(?:art )?(\d{1,2}|[ivxlcdm]{1,5})\W(.*$)

使用非捕获组（(?:...)）加上0或1量词（?）。我必须使第一个组不贪婪，以防止它与名称的season部分匹配。

我还将eason和art可选字符串设置为非捕获可选组，而不是字符类。

结果：

>>> import re
>>> p=re.compile(r'(^.*?)(?:\Ws(?:eason )?(\d{1,2}|[ivxlcdm]{1,5}))?\Wp(?:art )?(\d{1,2}|[ivxlcdm]{1,5})\W(.*$)', re.I)
>>> p.search('miniseries.season 1.part 5.720p.avi').groups()
('miniseries', '1', '5', '720p.avi')
>>> p.search('miniseries.part 5.720p.avi').groups()
('miniseries', None, '5', '720p.avi')
>>> p.search('miniseries.part VII.720p.avi').groups()
('miniseries', None, 'VII', '720p.avi')