如何用正则提取Usenet主题中含嵌套[]的类文件名

问题背景 #

原正则表达式r"([\w\-+()'\s.,]{5,}\.[A-Za-z0-9]{2,4})[^A-Za-z0-9]"能较好提取Usenet主题中的类文件名，但遇到文件名含嵌套[]且自身被[]包裹的场景时失效。例如输入：

[Text]-[Text]-[Filename[Uploader].txt]-[1/23] - "" yEnc 1234567890 (1/23456)

需要提取Filename[Uploader].txt，直接将[]加入字符组会误匹配外层括号，需调整正则逻辑。

补充测试用例（输入→预期输出）：

test_cases = [
    ('Subject-KrzpfTest [02/30] - ""KrzpfTest.part.nzb"" yEnc', "KrzpfTest.part.nzb"),
    ('[PRiVATE]-[WtFnZb]-[Supertje-_S03E11-12_-blabla_+_blabla_WEBDL-480p.mkv]-[4/12] - "" yEnc 9786 (1/1366)', "Supertje-_S03E11-12_-blabla_+_blabla_WEBDL-480p.mkv"),
    ('[N3wZ] MAlXD245333\\::[PRiVATE]-[WtFnZb]-[Show.S04E04.720p.AMZN.WEBRip.x264-GalaxyTV.mkv]-[1/2] - "" yEnc  293197257 (1/573)', "Show.S04E04.720p.AMZN.WEBRip.x264-GalaxyTV.mkv"),
    ("Singer - A Album (2005) - [04/25] - 02 Sweetest Somebody (I Know).flac", "Singer - A Album (2005) - [04/25] - 02 Sweetest Somebody (I Know).flac"),
    ('[PRiVATE]-[WtFnZb]-[00000.clpi]-[1/46] - "" yEnc  788 (1/1)', "00000.clpi"),
    ("[PRiVATE]-[WtFnZb]-[/More.Bla.S02E01.1080p.WEB.h264-EDITH[eztv.re].mkv] yEnc  2990558544 (1/4173)", "More.Bla.S02E01.1080p.WEB.h264-EDITH[eztv.re].mkv")
]

解决方案 #

针对嵌套方括号场景，使用支持嵌套匹配的正则表达式，同时排除分卷标记（如[1/23]）的干扰：

适配Python 3.10+（支持无限嵌套） #

import re

# 支持任意深度嵌套[]的正则
pattern = re.compile(r'''
    (?:\[)?  # 匹配可选的外层左括号
    (
        (?:
            [^\[\]]+          # 匹配非括号字符
            |
            \[ (?R) \]        # 递归匹配嵌套的[]结构
        )+?                   # 非贪婪匹配，避免过度延伸
        \.[A-Za-z0-9]{2,4}    # 匹配文件名扩展名（2-4位）
    )
    (?:\])?  # 匹配可选的外层右括号
    (?! \d+/\d+ )  # 排除后面跟着分卷标记（如1/23）的情况
''', re.VERBOSE)

适配低版本Python（支持两层嵌套） #

如果使用Python 3.10以下版本，可使用非递归模式适配常见的两层嵌套场景：

pattern = re.compile(r'''
    (?:\[)?
    (
        (?:
            [^\[\]]+
            |
            \[
            (?:
                [^\[\]]+
                |
                \[ [^\[\]]* \]
            )*
            \]
        )+?
        \.[A-Za-z0-9]{2,4}
    )
    (?:\])?
    (?! \d+/\d+ )
''', re.VERBOSE)

测试验证 #

将测试用例代入验证，代码如下：

for input_str, expected in test_cases:
    match = pattern.search(input_str)
    if match:
        # 处理部分文件名开头的多余斜杠
        result = match.group(1).lstrip('/')
        assert result == expected, f"匹配失败：提取结果{result}≠预期{expected}"
print("所有测试用例验证通过")

逻辑说明 #

1. 嵌套括号处理：通过递归（(?R)）或分层匹配，识别文件名内部的嵌套[]，避免误匹配外层括号；
2. 扩展名约束：保留原正则对扩展名的匹配规则，确保提取内容为类文件名；
3. 分卷标记排除：通过负向预测(?! \d+/\d+ )，避免将[1/23]这类分卷标记误识别为文件名；
4. 兼容性：提供低版本Python的替代方案，覆盖常见嵌套场景。

内容的提问来源于stack exchange，提问作者Safihre