Regex Python3解析并捕获一行中的多个可选参数

我目前正在解析有关电影的文件。 以下是语言文件的示例：

"!Next?" (1994)                     Italian
"#1 Single" (2006)                  English
"#15SecondScare" (2015)                 English
"#15SecondScare" (2015) {Because We Don't Want You to Fall Asleep 
 (#1.3)}    English
"#15SecondScare" (2015) {Coming and Going (#1.11)}  English
"#Adulthood" (????)                 English
"#Adulting" (2016/I)                    English

如果是一个电视节目和每一行的语言，我怎么才能知道它的名字、年份、词句和插曲？ 有些争论并不总是存在的（比如它是哪一集）

这就是我所尝试的：

对于文件中的行：
打印（关于findall（“（.*”，第行））#名称
打印（关于findall（r“\D（\D{4}）\D”，第行））#年

我已经有好几年的麻烦了，因为它捕捉到了第几集。 做多重模式是一种方式吗

谢谢。

你可以这样做

import re

string = """
"!Next?" (1994)                     Italian
"#1 Single" (2006)                  English
"#15SecondScare" (2015)                 English
"#15SecondScare" (2015) {Because We Don't Want You to Fall Asleep 
 (#1.3)}    English
"#15SecondScare" (2015) {Coming and Going (#1.11)}  English
"#Adulthood" (????)                 English
"#Adulting" (2016/I)                    English
"""

rx = re.compile(r'''
            ^
            "(?P<name>[^"]+)"
            [^(]+\((?P<year>[^)]+)\)
            (?:[^\{^\n]+\{(?P<subtitle>[^}]+)\})?
            \s+(?P<language>[A-Z][a-z]*)
            $
            ''', re.MULTILINE | re.VERBOSE)

movies = [(m.group('name'), m.group('year'), m.group('subtitle'), m.group('language'))
            for m in rx.finditer(string)]
print(movies)
# [('!Next?', '1994', None, 'Italian'), ('#1 Single', '2006', None, 'English'), ('#15SecondScare', '2015', None, 'English'), ('#15SecondScare', '2015', "Because We Don't Want You to Fall Asleep \n (#1.3)", 'English'), ('#15SecondScare', '2015', 'Coming and Going (#1.11)', 'English'), ('#Adulthood', '????', None, 'English'), ('#Adulting', '2016/I', None, 'English')]

重新导入
string=”“”
"!下一个？”（1994）意大利语
《1首单曲》（2006）英文版
《第15秒惊吓》（2015）英文版
“#15秒惊吓”（2015）{因为我们不想让你睡着
（#1.3）}英语
“#15SecondScare”（2015）{来去（#1.11）}英语
“#成人期”（？？）英语
“阿谀奉承”（2016/I）英语
"""
rx=重新编译（r''
^
“（？P[^”]+）”
[^（]+\（？P[^]+）\）
（？：[^\{^\n]+\{（？P[^}]+）\}）？
\s+（？P[A-Z][A-Z]*）
$
''，关于多行（关于冗长）
电影=[（m.group（'name'）、m.group（'year'）、m.group（'subtitle'）、m.group（'language'））
对于rx.finditer中的m（字符串）]
印刷品（电影）
#[（“！Next？”、“1994”、“无”、“意大利语”）、（“1单曲”、“2006”、“无”、“英语”）、（“15SecondScare”、“2015”、“无”、“英语”）、（“15SecondScare”、“2015”、“因为我们不想让你睡着”\n（#1.3）”、“英语”）、（“15SecondScare”、“2015”、“来来往往”（#1.11）、“英语”）、（“成年”、“无英语”），（‘阿谀奉承’、‘2016/I’、‘无’、‘英语’）]

请参阅的演示。

---

一点解释：

首先，我们以详细和多行模式定义正则表达式模式

我们使用编译后的模式

rx

对找到的匹配进行iter

我们将命名组放入结果元组中

我们最终得到了一个元组列表

---

我在尝试，我认为写我写的东西是没有用的，因为我觉得我错过了一些东西…我会编辑谢谢！季节看起来是可选的，是吗？当它包含

{}

时，它一定是一个节目，括号是：

{集名（#seasurenumber，eposodenumber）}

@user4725217：首先编译模式，然后迭代（

finditer

）。在我看来，这使代码更具可读性。有关更多信息，请参阅@user4725217:在答案的末尾也添加了一些解释。