2

我正在编写一个脚本来搜索 YouTube 视频的元数据并从中获取时间码（如果有）。

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)

这很好用，所以我继续寻找时间码。

# 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']

它超越并在 59:00 之后抓取时间，但由于错过了最后的“：”，因此不正确，所以我抓住了剩下的一组：

# 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']

我想连接它们，但仍然存在第一个正则表达式中时间不正确的问题。如何停止第一个正则表达式的范围超过一个小时，即 59:59？

我看着正则表达式，我的脑袋有点爆炸，任何澄清都会很棒！

编辑：

我试过这个：

description = re.findall(r'?<!\d:)(?<!\d)[0-5]\d:[0-5]\d(?!:?\d', description)

和这个：

description = re.findall(r'^|[^\d:])([0-5]?[0-9]:[0-5][0-9])([^\d:]|$', description)

但我输入错误。正则表达式的位置是什么？

同样对于上下文，这是我试图剥离的样本的一部分：

 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"
4

2 回答 2

0

我认为这就是你要找的：

(^|[^\d:])([0-5]?[0-9]:[0-5][0-9])([^\d:]|$)

https://regex101.com/r/yERoPi/1

于 2019-10-10T19:57:39.240 回答
0

利用

results = re.findall(r'(?<!\d:)(?<!\d)[0-5]?\d:[0-5]\d(?!:?\d)', description)

请参阅正则表达式演示。

当不在单独的冒号分隔的数字字符串（如11:22:22:33）内时，它将匹配时间字符串。

说明：

  • (?<!\d:)- 一个否定的lookbehind，匹配一个没有紧跟在数字前面的位置，并且:
  • (?<!\d)- 一个否定的lookbehind匹配一个没有紧跟在数字前面的位置（一个单独的lookbehind是必要的，因为Pythonlookbehindre只接受一个固定宽度的模式）
  • [0-5]?\d- 一个可选的数字从0到5，然后是任何 1 位数字
  • :- 一个冒号
  • [0-5]\d- 从0到的数字5，然后是任何 1 位数字
  • (?!:?\d)- 与未紧跟可选:和数字的位置匹配的负前瞻。

Python在线演示：

import re
description = "Tracks\n======\n0:00 Tonebox - Frozen Code\n6:00 SHIKIMO & DOOMROAR - Getaway\n9:30 d.notive - Streets of Passion\n14:55 Perturbator - Neo Tokyo"
results = re.findall(r'(?<!\d:)(?<!\d)[0-5]?\d:[0-5]\d(?!:?\d)', description)
print(results) 
# => ['0:00', '6:00', '9:30', '14:55']
于 2019-10-12T13:27:22.957 回答