正则表达式匹配字符串中最后一次出现的年份

Question

我编写了一个 python 脚本，其中包含以下函数，它以包含多个日期的文件名作为输入。

代码

import re
from datetime import datetime

def ExtractReleaseYear(title):
    rg = re.compile('.*?([\[\(]?((?:19[0-9]|20[01])[0-9])[\]\)]?)', re.IGNORECASE|re.DOTALL)
    match = rg.search(title) # Using non-greedy match on filler
    if match:
        releaseYear = match.group(1)
        try:
            if int(releaseYear) >= 1900 and int(releaseYear) <= int(datetime.now().year) and int(releaseYear) <= 2099: # Film between 1900-2099
                return releaseYear
        except ValueError:
            print("ERROR: The film year in the file name could not be converted to an integer for comparison.")
            return ""

print(ExtractReleaseYear('2012.(2009).3D.1080p.BRRip.SBS.x264'))
print(ExtractReleaseYear('Into.The.Storm.2012.1080p.WEB-DL.AAC2.0.H264'))
print(ExtractReleaseYear('2001.A.Space.Odyssey.1968.1080p.WEB-DL.AAC2.0.H264'))

输出

Returned: 2012 -- I'd like this to be 2009 (i.e. last occurrence of year in string)

Returned: 2012 -- This is correct! (last occurrence of year is the first one, thus right)

Returned: 2001 -- I'd like this to be 1968 (i.e. last occurrence of year in string)

问题

可以看出，正则表达式将只针对一年中的第一次出现而不是最后一次出现。这是有问题的，因为有些标题（例如此处包含的标题）以年份开头。

在寻找获得年度最后一次出现的方法后，我找到了像 negative lookahead, and 、none 这样的资源，其中的 none 让我离实现预期的结果更近了一步。目前没有任何现有问题可以回答这个独特的案例。

预期结果

我想从给定的文件名中提取一年的最后一次出现（而不是第一次出现），并 return 它使用上面输出引用中所述的现有 definition/function 。虽然我使用过在线 regex 参考资料，但我是 regex 的新手，如果有人向我展示如何实现此过滤器以处理上述文件名，我将不胜感激。伙计们干杯。

Answer 1

您需要更改两件事：

第一个 .*? 惰性模式必须转为贪婪模式 .*（在这种情况下，.* 之后的子模式将匹配字符串中的最后一次出现）
您需要使用的组是组 2，而不是组 1（因为它是存储年份数据的组）。或者将第一个捕获组设为非捕获。

参见this demo：

rg = re.compile('.*([\[\(]?((?:19[0-9]|20[01])[0-9])[\]\)]?)', re.IGNORECASE|re.DOTALL)
...
releaseYear = match.group(2)

或：

rg = re.compile('.*(?:[\[\(]?((?:19[0-9]|20[01])[0-9])[\]\)]?)', re.IGNORECASE|re.DOTALL)
...
releaseYear = match.group(1)

Answer 2

考虑使用 findall() 而不是 search()？

它会将找到的所有值从左到右放入列表中，只需访问最右边的值即可获得所需内容。

import re
from datetime import datetime

def ExtractReleaseYear(title):
    rg = re.compile('.*?([\[\(]?((?:19[0-9]|20[01])[0-9])[\]\)]?)', re.IGNORECASE|re.DOTALL)
    match = rg.findall(title)

    if match:
        try:
            releaseYear = match[-1][-1]
            if int(releaseYear) >= 1900 and int(releaseYear) <= int(datetime.now().year) and int(releaseYear) <= 2099: # Film between 1900-2099
                return releaseYear
        except ValueError:
            print("ERROR: The film year in the file name could not be converted to an integer for comparison.")
            return ""

print(ExtractReleaseYear('2012.(2009).3D.1080p.BRRip.SBS.x264'))
print(ExtractReleaseYear('Into.The.Storm.2012.1080p.WEB-DL.AAC2.0.H264'))
print(ExtractReleaseYear('2001.A.Space.Odyssey.1968.1080p.WEB-DL.AAC2.0.H264'))

Answer 3

根据@kenyanke 的回答，选择 findall() 而不是 search() 将是一个更好的选择，因为以前的 returns 所有非重叠匹配模式。您可以选择最后一个匹配模式为 releaseYear。这是我找到 releaseYear

的正则表达式

rg = re.compile(r'[^a-z](\d{4})[^a-z]', re.IGNORECASE)
match = rg.findall(title)
if match:
        releaseYear = match[-1]

以上正则表达式假设 releaseYear 之前或之后的直接字母是非字母字符。三个字符串的结果（match）是

['2009']
['2012']
['1968']

正则表达式匹配字符串中最后一次出现的年份

Regular expression match last occurence of year in string

python

regex

string

filenames

date