如何拆分两种括号结构的歌曲文本行，提取歌名歌手发行年份信息

原来的写法出现冗余分组的原因有两个：

1. 正则中|两侧的分支各自定义了独立的捕获组，匹配其中一个分支时，另一个分支的所有分组都会返回空值，导致分组总数变多
2. 不该用re.split做提取，应该用re.match匹配整行后直接读取捕获组内容

最优正则写法 #

利用两种格式的共性简化规则：

• 歌名一定是行首到第一个 (之前的内容
• 歌手名的结束边界只有两种： ) ( 或者 (
• 年份固定是4位数字，出现在末尾

对应的正则表达式为：

pattern = r'^(.+?) \((.+?)(?:\) \(| \()(\d{4})\)?$'

其中(?:)是非捕获分组，不会生成额外的结果。

完整可运行代码 #

import re

the_lines = ("Ring Ring (ABBA (1973))",
             "Waterloo (ABBA) (1974)",
             "If I Don’t Write This Song Someone I Love Will Die (Hello Saferide) (2005)",
             "My Best Friend (Hello Saferide (2005))",
             )
pattern = r'^(.+?) \((.+?)(?:\) \(| \()(\d{4})\)?$'

for line in the_lines:
    match = re.match(pattern, line)
    if match:
        title = match.group(1).strip()
        artist = match.group(2).strip()
        year = match.group(3).strip()
        print(f"歌名：{title}，歌手：{artist}，年份：{year}")

运行输出 #

歌名：Ring Ring，歌手：ABBA，年份：1973
歌名：Waterloo，歌手：ABBA，年份：1974
歌名：If I Don’t Write This Song Someone I Love Will Die，歌手：Hello Saferide，年份：2005
歌名：My Best Friend，歌手：Hello Saferide，年份：2005

内容的提问来源于stack exchange，提问作者Sergey Zaykov