Python RE。排除部分结果

Question

我是 RE 的新手，我正在尝试提取歌词并分离出诗句标题、和声和主声：下面是一些歌词的例子：[Intro]D.A. got that dope![Chorus: Travis Scott]Ice water, turned Atlantic (Freeze)Nightcrawlin' in the Phantom (Skrrt, Skrrt)...经文标题包括方括号和它们之间的任何单词。他们可以成功地隔离r'\[{1}.*?\]{1}'和声与诗歌标题相似，但介于 () 之间。他们已通过以下方式成功隔离：r'\({1}.*?\){1}'对于主唱，我使用了r'\S+'这确实隔离了 main_vocals，但也隔离了诗句标题和和声。我不知道如何用简单的 RE 仅隔离主人声。这是一个 python 脚本，它可以获得我想要的输出，但我想用 RE 来做（作为学习练习）并且无法通过文档弄清楚。import refile = 'D:/lyrics.txt'with open(file, 'r') as f:    lyrics = f.read()def find_spans(pattern, string):    pattern = re.compile(pattern)    return [match.span() for match in pattern.finditer(string)]verses = find_spans(r'\[{1}.*?\]{1}', lyrics)backing_vocals = find_spans(r'\({1}.*?\){1}', lyrics)main_vocals = find_spans(r'\S+', lyrics)exclude = versesexclude.extend(backing_vocals)not_main_vocals = []for span in exclude:    start, stop = span    not_main_vocals.extend(list(range(start, stop)))main_vocals_temp = []for span in main_vocals:    append = True    start, stop = span    for i in range(start, stop):        if i in not_main_vocals:             append = False            continue    if append == True:         main_vocals_temp.append(span)main_vocals = main_vocals_temp

Answer 1

试试这个演示：

pattern = r'(?P<Verse>\[[^\]]+])|(?P<Backing>\([^\)]+\))|(?P<Lyrics>[^\[\(]+)'

您可以使用re.finditer来隔离组。

breakdown = {k: [] for k in ('Verse', 'Backing', 'Lyrics')}

for p in pattern.finditer(song):

    for key, item in p.groupdict().items():

        if item: breakdown[key].append(item)

结果：

{

  'Verse': 

    [

      '[Intro]', 

      '[Chorus: Travis Scott]'

    ], 

  'Backing': 

    [

      '(Freeze)', 

      '(Skrrt, Skrrt)'

    ], 

  'Lyrics': 

    [

      '\nD.A. got that dope!\n\n', 

      '\nIce water, turned Atlantic ', 

      "\nNightcrawlin' in the Phantom ", 

      '...'

    ]

}

为了进一步详细说明该模式，它使用命名组来分隔三个不同的组。使用[^\]+]和相似只是意味着找到所有不是的 ]（同样 when\)意味着一切都不是 )）。在歌词部分，我们排除了以[和开头的任何内容(。在对regex101演示链接可以解释组件的详细信息，如果您需要。

如果您不关心主歌词中的换行符，请使用(?P<Lyrics>[^\[\(\n]+)（不包括\n）将您的歌词转换为没有换行符：

'Lyrics': [

  'D.A. got that dope!', 

  'Ice water, turned Atlantic ',

  "Nightcrawlin' in the Phantom ", 

  '...'

]

Answer 2

您可以使用正则表达式组搜索封闭括号和开放括号之间的文本。如果您的正则表达式中有一个组（圆括号内的子模式），则 re.findall 将只返回这些括号的内容。

例如，"\[(.*?)\]"会发现您只是部分标签，不包括方括号（因为它们在组之外）。

正则表达式"\)(.*?)\("只会找到最后一行（“\nNightcrawlin' in the Phantom”）。

同样，我们可以找到第一行"\](.*?)\["。

将两种类型的括号组合成一个字符类，（看起来非常混乱）正则表达式"[\]\)](.*?)[\[\(]"捕获所有歌词。

它会错过之前或之后没有括号的行（即，如果有的话，在 [Intro] 之前的开头，或者如果之后没有和声的话，则在结尾处）。一种可能的解决方法是在字符串末尾添加“]”字符并将“[”字符附加到末尾以强制匹配开始/结束。请注意，我们需要添加 DOTALL 选项以确保通配符“。” 将匹配换行符 "\n"

import re

lyrics = """[Intro]

D.A. got that dope!

[Chorus: Travis Scott]

Ice water, turned Atlantic (Freeze)

Nightcrawlin' in the Phantom (Skrrt, Skrrt)..."""

matches = re.findall(r"[\]\)](.*?)[\[\(]", "]" + lyrics + "[", re.DOTALL)

main_vocals = '\n'.join(matches)