Il pattern Regex non corrisponde a determinati titoli di show

Question

L'uso di repressione in C# per abbinare e restituire dati analizzati da una stringa restituisce risultati inaffidabili.

Il modello che sto usando è la seguente:

Regex r=new Regex( 
     @"(.*?)S?(\d{1,2})E?(\d{1,2})(.*)|(.*?)S?(\d{1,2})E?(\d{1,2})", 
     RegexOptions.IgnoreCase 
); 

seguito sono un caso paio di test che falliscono

---

Ellen 2015.05.22 Joseph Gordon Levitt [REPOST] 
The Soup 2015.05.22 [mp4] 
Big Brother UK Live From The House (May 22, 2015) 

dovrebbe tornare

• Mostra nome (ad esempio, Ellen)
• Data (ad esempio, 2015.05.22)
• Extra Info (per esempio, Joseph Gordon Levitt [REPOST])

---

Alaskan Bush People S02 Wild Times Special 

dovrebbe tornare

• Mostra nome (ad esempio, Alaskan Bush People)
• Stagione (ad esempio, 02)
• Extra Info (per esempio, Wild Times Special)

---

500 Questions S01E03 

dovrebbe tornare

• Mostra nome (ad esempio, 500 Questions)
• Stagione (ad esempio, 01)
• Episodio (ad esempio, 03)

esempi che funzionano e restituiscono dati corretti

Boyster S01E13 – E14 
Mysteries at the Museum S08E08 
Mysteries at the National Parks S01E07 – E08 
The Last Days Of… S01E06 
Born Naughty? S01E02 
Have I Got News For You S49E07 

Che sembra, è che il modello sta ignorando la S e la E se non lo trova, e quindi utilizzando il primo set di numeri corrispondenti per riempire lo slot.

È chiaro che è necessario più lavoro su questo modello per lavorare con le stringhe di cui sopra. La tua assistenza in questa materia è molto apprezzata.

Answer 1

divide et impera

Stai cercando di analizzare troppo con una semplice espressione. Non funzionerà molto bene. L'approccio migliore in questo caso è quello di dividere il problema in problemi più piccoli e risolverli separatamente.Quindi, possiamo combinare tutto in un modello in un secondo momento.

Scriviamo alcuni modelli per i dati che vuoi estrarre.

• Stagione/episodio:

  S\d+(?:E\d+(?:\s*\p{Pd}\s*E\d+)?)? 
  

  ho usato \p{Pd} invece di - per accogliere qualsiasi tipo cruscotto.

• Data:

  \d{4}\.\d{1,2}\.\d{1,2} 
  

  Oppure ...

  (?i:January|February|March|April|May|June|July|August|September|October|November|December) 
  \s*\d{1,2},\s*\d{4} 
  

• Scrivi un modello semplice per info in più:

  .*? 
  

  (sì, è piuttosto generica)

• Possiamo rilevare anche il formato di spettacolo come questo:

  \[.*?\] 
  

• È possibile aggiungere parti aggiuntive come richiesto.

Ora, siamo in grado di mettere tutto in un unico modello, utilizzando i nomi dei gruppi per estrarre i dati:

^\s* 
(?<name>.*?) 
(?<info> \s+ (?: 
    (?<episode>S\d+(?:E\d+(?:\s*\p{Pd}\s*E\d+)?)?) 
    | 
    (?<date>\d{4}\.\d{1,2}\.\d{1,2}) 
    | 
    \(?(?<date>(?i:January|February|March|April|May|June|July|August|September|October|November|December)\s*\d{1,2},\s*\d{4})\)? 
    | 
    \[(?<format>.*?)\] 
    | 
    (?<extra>(?(info)|(?!)).*?) 
))* 
\s*$ 

semplicemente ignorare il gruppo info (è utilizzato per la condizionale in extra, in modo che extra doesn' t consumare ciò che dovrebbe essere parte del nome dello spettacolo). E puoi ottenere più informazioni extra, quindi concatenarle semplicemente, mettendo uno spazio tra ogni parte.

codice di esempio:

var inputData = new[] 
{ 
    "Boyster S01E13 – E14", 
    "Mysteries at the Museum S08E08", 
    "Mysteries at the National Parks S01E07 – E08", 
    "The Last Days Of… S01E06", 
    "Born Naughty? S01E02", 
    "Have I Got News For You S49E07", 
    "Ellen 2015.05.22 Joseph Gordon Levitt [REPOST]", 
    "The Soup 2015.05.22 [mp4]", 
    "Big Brother UK Live From The House (May 22, 2015)", 
    "Alaskan Bush People S02 Wild Times Special", 
    "500 Questions S01E03" 
}; 

var re = new Regex(@" 
    ^\s* 
    (?<name>.*?) 
    (?<info> \s+ (?: 
     (?<episode>S\d+(?:E\d+(?:\s*\p{Pd}\s*E\d+)?)?) 
     | 
     (?<date>\d{4}\.\d{1,2}\.\d{1,2}) 
     | 
     \(?(?<date>(?i:January|February|March|April|May|June|July|August|September|October|November|December)\s*\d{1,2},\s*\d{4})\)? 
     | 
     \[(?<format>.*?)\] 
     | 
     (?<extra>(?(info)|(?!)).*?) 
    ))* 
    \s*$ 
", RegexOptions.IgnorePatternWhitespace); 

foreach (var input in inputData) 
{ 
    Console.WriteLine(); 
    Console.WriteLine("--- {0} ---", input); 

    var match = re.Match(input); 
    if (!match.Success) 
    { 
     Console.WriteLine("FAIL"); 
     continue; 
    } 

    foreach (var groupName in re.GetGroupNames()) 
    { 
     if (groupName == "0" || groupName == "info") 
      continue; 

     var group = match.Groups[groupName]; 
     if (!group.Success) 
      continue; 

     foreach (Capture capture in group.Captures) 
      Console.WriteLine("{0}: '{1}'", groupName, capture.Value); 
    } 
} 

E l'uscita di questo è ...

--- Boyster S01E13 - E14 --- 
name: 'Boyster' 
episode: 'S01E13 - E14' 

--- Mysteries at the Museum S08E08 --- 
name: 'Mysteries at the Museum' 
episode: 'S08E08' 

--- Mysteries at the National Parks S01E07 - E08 --- 
name: 'Mysteries at the National Parks' 
episode: 'S01E07 - E08' 

--- The Last Days Ofâ?¦ S01E06 --- 
name: 'The Last Days Ofâ?¦' 
episode: 'S01E06' 

--- Born Naughty? S01E02 --- 
name: 'Born Naughty?' 
episode: 'S01E02' 

--- Have I Got News For You S49E07 --- 
name: 'Have I Got News For You' 
episode: 'S49E07' 

--- Ellen 2015.05.22 Joseph Gordon Levitt [REPOST] --- 
name: 'Ellen' 
date: '2015.05.22' 
format: 'REPOST' 
extra: 'Joseph' 
extra: 'Gordon' 
extra: 'Levitt' 

--- The Soup 2015.05.22 [mp4] --- 
name: 'The Soup' 
date: '2015.05.22' 
format: 'mp4' 

--- Big Brother UK Live From The House (May 22, 2015) --- 
name: 'Big Brother UK Live From The House' 
date: 'May 22, 2015' 

--- Alaskan Bush People S02 Wild Times Special --- 
name: 'Alaskan Bush People' 
episode: 'S02' 
extra: 'Wild' 
extra: 'Times' 
extra: 'Special' 

--- 500 Questions S01E03 --- 
name: '500 Questions' 
episode: 'S01E03' 

Answer 2

Prova questa:

(?<name>.*?)(?:S(?<season>\d{1,2}))?(?:E(?<episode>\d{1,2}))?(?<date>\d{4}\.\d{2}\.\d{2})(?<extra>.*)?