正则表达式和unicode

我有一个脚本,可以解析电视剧集的文件名(例如show.name.s01e02.avi),获取剧集的名称(从www.thetvdb.com API),然后自动将其重命名为更好的名称(显示名-[01x02 ] .avi)


该脚本可以正常工作,直到您尝试在具有Unicode显示名称的文件上使用该脚本为止(我从未真正考虑过这一点,因为我拥有的所有文件都是英文的,所以大部分都属于[a-zA-Z0-9'\-])


如何允许正则表达式匹配带重音符号的字符?目前,正则表达式的config部分看起来像..


config['valid_filename_chars'] = """0123456789abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ!@£$%^&*()_+=-[]{}"'.,<>`~? """

config['valid_filename_chars_regex'] = re.escape(config['valid_filename_chars'])


config['name_parse'] = [

    # foo_[s01]_[e01]

    re.compile('''^([%s]+?)[ \._\-]\[[Ss]([0-9]+?)\]_\[[Ee]([0-9]+?)\]?[^\\/]*$'''% (config['valid_filename_chars_regex'])),

    # foo.1x09*

    re.compile('''^([%s]+?)[ \._\-]\[?([0-9]+)x([0-9]+)[^\\/]*$''' % (config['valid_filename_chars_regex'])),

    # foo.s01.e01, foo.s01_e01

    re.compile('''^([%s]+?)[ \._\-][Ss]([0-9]+)[\.\- ]?[Ee]([0-9]+)[^\\/]*$''' % (config['valid_filename_chars_regex'])),

    # foo.103*

    re.compile('''^([%s]+)[ \._\-]([0-9]{1})([0-9]{2})[\._ -][^\\/]*$''' % (config['valid_filename_chars_regex'])),

    # foo.0103*

    re.compile('''^([%s]+)[ \._\-]([0-9]{2})([0-9]{2,3})[\._ -][^\\/]*$''' % (config['valid_filename_chars_regex'])),

]


largeQ
浏览 196回答 4
4回答

神不在的星期二

根据需要使用子范围[\u0000-\uFFFF]。您也可以使用re.UNICODE编译标志。文档说如果UNICODE设置,\w将匹配字符[0-9_]以及Unicode字符属性数据库中分类为字母数字的任何字符。

慕容708150

Python的re模块不支持\ p {Letter}或\ X。但是,PyPI上的新正则表达式实现可以。

ibeautiful

Jeffrey Friedl的精通正则表达式(精湛的书)中提到过,您可以使用\ p {Letter}来匹配被认为是字母的unicode内容。
打开App,查看更多内容
随时随地看视频慕课网APP

相关分类

Python