YouTube 動画のメタデータを精査し、タイムコードがあればそれを取得するスクリプトを作成しています。
with urllib.request.urlopen("https://www.googleapis.com/youtube/v3/videos?id=m65QTeKRWNg&key=AIzaSyDls3PGTAKqbr5CqSmxt71fzZTNHZCQzO8&part=snippet") as url:
data = json.loads(url.read().decode())
description = json.dumps(data['items'][0]['snippet']['description'], indent=4, sort_keys=True)
print(description)
これで問題なく動作するので、タイムコードを見つけます。
# finds timecodes like 00:00
timeBeforeHour = re.findall(r'[\d\.-]+:[\d.-]+', description)
>>[''0:00', '6:00', '9:30', '14:55', '19:00', '23:23', '28:18', '33:33', '37:44', '40:04', '44:15', '48:00', '54:00', '58:18', '1:02', '1:06', '1:08', '1:12', '1:17', '1:20']
59:00 を超えて時間を取得しますが、最後の「:」を逃しているため正しくないため、残りのセットを取得します。
# finds timecodes like 00:00:00
timePastHour = re.findall(r'[\d\.-]+:[\d.-]+:[\d\.-]+', description)
>>['1:02:40', '1:06:10', '1:08:15', '1:12:25', '1:17:08', '1:20:34']
それらを連結したいのですが、最初の正規表現で間違った時間の問題がまだあります。最初の正規表現の範囲が 1 時間、つまり 59:59 を超えるのを止めるにはどうすればよいですか?
私は正規表現を見て、頭が少し爆発します。説明があれば最高です!
編集：
私はこれを試しました：
description = re.findall(r'?<!\d:)(?<!\d)[0-5]\d:[0-5]\d(?!:?\d', description)
この：
description = re.findall(r'^|[^\d:])([0-5]?[0-9]:[0-5][0-9])([^\d:]|$', description)
しかし、私はそれらを間違って入力しています。正規表現の位置は何ですか?
また、コンテキストのために、これは私が取り除こうとしているサンプルの一部です:
Naked\n1:02:40 Marvel 83' - Genesis\n1:06:10 Ward-Iz - The Chase\n1:08:15 Epoch - Formula\n1:12:25 Perturbator - Night Business\n1:17:08 Murkula - Death Code\n1:20:34 LAZERPUNK - Revenge\n\nPhotography by Jezael Melgoza"