如何用re.search获取多个剧集编号？正则表达式优化求助

问题说明 #

解析电视剧文件名用于重命名时，现有方案依赖28条if/elif语句，维护成本高。当前核心问题是：使用re.search只能提取第一个剧集编号，无法获取所有集号，现有代码及输出如下：

import re

def main():
    pattern = '(.*)\\.S(\\d+)[E(\\d+)]+'
    strings = ['blah.s01e01e02e03', 'foo.s09e09', 'bar.s05e05']

    for string in strings:
        print(string)
        result = re.search("(.*)\\.S(\\d+)[E(\\d+)]+", string, re.IGNORECASE)
        print(result.group(2))

if __name__== "__main__":
    main()

输出：

blah.s01e01e02e03
01
foo.s09e09
09
bar.s05e05
05

解决方案 #

1. 提取全部剧集编号的正则优化 #

re.search仅能匹配一次结果，要获取所有集号，需分两步处理：先匹配出季号和包含所有集号的片段，再单独提取每个集号。修改后的代码如下：

import re

def main():
    # 匹配前缀、季号及所有集号的整体片段
    season_pattern = r'(.*)\.S(\d+)(E\d+)+'
    # 单独匹配单个集号的正则
    episode_pattern = r'E(\d+)'
    strings = ['blah.s01e01e02e03', 'foo.s09e09', 'bar.s05e05']

    for string in strings:
        print(string)
        season_match = re.search(season_pattern, string, re.IGNORECASE)
        if season_match:
            season_num = season_match.group(2)
            # 提取所有符合格式的集号
            episode_list = re.findall(episode_pattern, string, re.IGNORECASE)
            print(f"季号: {season_num}, 集号列表: {episode_list}")

if __name__== "__main__":
    main()

运行输出：

blah.s01e01e02e03
季号: 01, 集号列表: ['01', '02', '03']
foo.s09e09
季号: 09, 集号列表: ['09']
bar.s05e05
季号: 05, 集号列表: ['05']

2. 替代28条if/elif的优化思路 #

针对大量条件判断的问题，可将所有可能的文件名格式整理为正则表达式列表，遍历匹配即可，无需逐个编写if/elif：

import re

def parse_filename(filename):
    # 定义所有可能的文件名格式正则，可按需扩展
    patterns = [
        # 格式1: 前缀.SxxExxExx
        r'(.*)\.S(\d+)(E\d+)+',
        # 格式2: 前缀.xxxExxExx（无S标识的季号）
        r'(.*)\.(\d+)x(\d+)(x\d+)*',
        # 格式3: 前缀 第x季第xx集
        r'(.*)第(\d+)季第(\d+)集(第(\d+)集)*'
    ]

    for pattern in patterns:
        match = re.search(pattern, filename, re.IGNORECASE)
        if match:
            # 根据不同格式提取对应信息
            if 'S' in pattern.upper():
                prefix = match.group(1)
                season = match.group(2)
                episodes = re.findall(r'E(\d+)', filename, re.IGNORECASE)
                return {'前缀': prefix, '季号': season, '集号': episodes}
            elif 'x' in pattern:
                prefix = match.group(1)
                season = match.group(2)
                episodes = re.findall(r'x(\d+)', filename, re.IGNORECASE)
                return {'前缀': prefix, '季号': season, '集号': episodes}
            # 其他格式的处理逻辑可在此扩展
    return None

# 测试示例
filenames = ['blah.s01e01e02e03', 'show.02x03x04', '动漫 第3季第5集第6集']
for fn in filenames:
    result = parse_filename(fn)
    print(f"{fn}: {result}")

这种方式新增文件名格式时，只需在patterns列表中添加对应正则，代码维护性大幅提升。

内容的提问来源于stack exchange，提问作者graih