python regex可以在regex101上运行，但不能在python2上运行

Question

我创建了一个正则表达式来匹配电视节目的中文和英文名称。

我的正则表达式位于https://regex101.com/r/rBJHDG，它在正则表达式上工作完美，但是这个正则表达式在python2中不起作用。

例如，字符串亿万.Billions.S01E01.中英字幕.HDTVrip.1024X576.mp4正则表达式在expect中不匹配亿万 as name_chs，而是匹配亿万.Billions as name_en。

In [68]: r = '^(?P<name_chs>(?:[\\u3007\\u4e00-\\u9fff\\u3400-\\u4dbf\\uf900-\\ufaff]+)(?=\\.))?(?P<name_en>\\S+).S(?P<season>\\d{2})E(?P<episode>\\d{2})'

In [69]: re.match(r, u'亿万.Billions.S01E01.中英字幕.HDTVrip.1024X576.mp4').grou
    ...: pdict()
Out[69]:
{'episode': u'01',
 'name_chs': None,
 'name_en': u'\u4ebf\u4e07.Billions',
 'season': u'01'}

第二个问题：

如何在name_en中删除中文名称和英文名称之间的.。

# 亿万.Billions.S01E01.中英字幕.HDTVrip.1024X576.mp4
Full match  0-18    `亿万.Billions.S01E01`
Group `name_chs`    0-2 `亿万`
Group `name_en` 2-11    `.Billions`   <---- This DOT!
Group `season`  13-15   `01`
Group `episode` 16-18   `01`

Answer 1

看起来问题在于正则表达式测试器包含global和multiline标志，但您的代码没有。如果您在regex测试程序中取消选中这两个标志，您会发现该测试程序与您当前的结果相匹配。

你可以试试r = '^(?P<name_chs>(?:[\\u3007\\u4e00-\\u9fff\\u3400-\\u4dbf\\uf900-\\ufaff]+)(?=\\.))?(?P<name_en>\\S+).S(?P<season>\\d{2})E(?P<episode>\\d{2})', re.MULTILINE)

和

re.search(r, u'亿万.Billions.S01E01.中英字幕.HDTVrip.1024X576.mp4').grou
    ...: pdict()

至于你的第二个问题：

我只是通过在英文名称前面添加(.)来使那个点成为它自己的捕获组，就像这样……

^(?P<name_chs>(?:[\u3007\u4e00-\u9fff\u3400-\u4dbf\uf900-\ufaff]+)(?=\.))?(.)(?P<name_en>\S+).S(?P<season>\d{2})E(?P<episode>\d{2})

现在，当您打印英文名称时，它将只是一个单词，因为点在它自己的捕获组中。