1

さまざまな人によって書き起こされたいくつかのテレビ エピソードを解析しています。つまり、さまざまな形式を検索する必要があります。たとえば、新しいシーンは次の 2 つの方法のいずれかで示されます。

[A coffee shop]

また

INT. Coffee shop - NIGHT

現在、これを Python の次の正規表現と照合します。

re.findall("(^\[(.+?)\]$)|(^[INTEXT]{3}\. .+?$)", text)

ここで、「テキスト」はスクリプト全体のテキストです (したがって、を使用しますfindall)。これは常に独自の行に表示されるため、^$

これは私に次のようなものを与えます：(None, None, "INT. Coffee Shop - NIGHT")例えば。

私の質問:|正規表現を作成して、表記法を使用して、2 つの複雑なパターンのいずれかを検索し、実際には必要のない部分一致を作成する方法を教えてください。それとももっと良い方法がありますか？

どうもありがとう。

更新: 非キャプチャ グループのアイデアを見落としていました。私が望むものを達成することができます：

"(?:^\[.+?\]$)|(?:^[INTEX]{3}\. .+?$)"

しかし、これは新たな問題を提起します。私は実際にはシーンにブラケットや INT/EXT を必要とせず、場所だけを必要とします。非キャプチャ グループ内で実際のグループを使用できると考えましたが、次のように、他の式に対してまだ空白の一致を取得しています。

import re

pattern = "(?:^\[(.+?)\]$)|(?:^[INTEX]{3}\. (.+?)$)"

examples = [                                                                                                                                                                     
    "[coffee shop]",                                                                                                                                                                 
    "INT. COFFEE SHOP - DAY",                                                                                                                                                        
    "EXT. FIELD - NIGHT",                                                                                                                                                            
    "[Hugh's aparment]"
]

for example in examples:
    print re.findall(pattern, example)


'''
[('coffee shop', '')]
[('', 'COFFEE SHOP - DAY')]
[('', 'FIELD - NIGHT')]
[("Hugh's aparment", '')]
'''

それらだけでも構いjoin()ませんが、もっと良い方法はありますか？

4

3 に答える 3

1

提供した限られた例に基づいて、角かっこにアサーションを使用するのはどうですか。

re.findall("((?<=^\[)[^[\]]+(?=\]$)|^[INTEXT]{3}\. .+?$)", text)
于 2013-03-23T13:16:44.847 に答える
1

式を 2 つだけ使用した方がよい場合があります。

patterns = [r'^\[(.+?)\]$', r'^(?:INT|EXT)\. (.+?)$']

for example in examples:
    print re.findall(patterns[0], example) or re.findall(patterns[1], example)
于 2013-03-23T17:07:27.257 に答える
0

これはあなたが望むことをするようです：

(?m)^(?=(?:\[|[INTEX]{3}\.\s+)([^\]\r\n]+))(?:\[\1\]|[INTEX]{3}\. \1)$

最初に、先読みはシーン マーカーのテキストをピークし、それをグループ #1 にキャプチャします。次に、残りの正規表現が先に進み、マーカーを含む行全体を消費します。今思うと、何も食べなくてもいいんです。これも機能します：

result = re.findall(r"(?m)^(?=(?:\[|[INTEX]{3}\.\s+)([^\]\r\n]+))", subject)

マーカー テキストは引き続きグループ #1 でキャプチャされるため、引き続き の結果に追加されfindall()ます。繰り返しますが、ここで使用する理由がわかりませんfindall()。シーン マーカーをその場で置き換えて正規化しようとしている場合は、消費するバージョンの正規表現を使用する必要があります。

また、注意して(?m)ください。あなたの例では、常に正規表現をシーン マーカーに単独で適用します。スクリプト全体からそれらを抜き出すには、MULTILINEフラグを設定して、行アンカーに変換^する必要があります。$

于 2013-03-23T18:38:39.750 に答える