Question

我正在尝试从文件名中提取电影元数据（标题和年份）。

名称模式不是标准的，但它也不是随机的，所以我试图尽可能多地覆盖案例。
为了给你一个想法，这是文件名的例子：

samples = ['The Movie Title.avi',
           'The Movie Title DVDRIP. Useless.info.avi',
           'The Movie Title [2005].avi',
           'The Movie Title (2005) [Useless.info].avi',
           'The Movie Title 2005 H264 DVDRip Useless-Info.avi',
           'The Movie Title 2005 XviD Useless info.avi',
           'The Movie Title {2005} DVDRIP. UselessInfo.avi',
           'The.Movie.Title.2005.Useless.info.avi',
           '[Useless.info]_The.Movie.Title.2005.Useless.avi']

任何地方都有UselessInfo，因为写入的内容可能是任何内容，不能用于获取信息（从文件到文件的更改）。另请注意，'The Movie Title'可能是带数字或非字母字符的字符，例如：The Movie Title 2 - The Return'。

预期输出应该是一个字典，如：

metadata = {'title': 'The Movie Title', 'year': '2005'}

现在我正在使用正则表达式链，但我不知道有更好的方法可以做到这一点。

Answer 1

为什么不下载一个包含电影名称和日期列表的数据库（可能在维基百科上），然后将文件名与此列表进行比较？有太多边缘情况可能更有效。

Answer 2

很久以前！但如果有人需要它，我发现这个名为PTN的python library非常有用！非常感谢那个编码它的人！

安装它：pip install parse-torrent-name

import PTN

torrentName = "[Torrent9.info ] Silicon.Valley.S04E04.VOSTFR.WEB-DL.XviD-T9.avi"

info = PTN.parse(torrentName)

print(info)

输出：{'episode': 4, 'codec': 'XviD', 'title': 'Silicon.Valley.', 'group': 'T9', 'website': 'Torrent9.info', 'excess': 'VOSTFR', 'season': 4, 'quality': 'WEB-DL'}

所以它似乎正是你所需要的！

Answer 3

正如你在其中一篇评论中提到的，这个“文件名处理”到“标准化移动标题表”的目的是比较两个列表。

使用您当前的方法，您可能会错过许多极端情况。

首先，您需要仔细考虑接受哪种变体。你已经提到了“电影”“the”的不同地方 - 那么拼写错误和区分大小写？单词顺序怎么样？

我建议您寻找一种通用的解决方案，而不是让您的代码越来越长。

我想到了一些想法 - 拿你喜欢的东西，随意混合，加热一点，它就会煮得很好 - 我们走了：

LCS：Longest common substring problem，Longest common subsequence problem - 在以下情况下非常有用：
- 单词的顺序很重要。
- 通用，只需将子串/子序列的大小设置为输入的百分比（最大值或最小值或平均值或两个文件名的总和 - 您的选择）
匹配不是字符串，而是匹配单词。多亏了这一点，你可以抵抗言语，重复和其他的顺序。当您在python中编写时，您可以轻松地创建一组单词或一组单词的映射。这里有一些提示：
- 对于每部电影 - 而不是正则表达整个字符串：（1）将电影文件名拆分为单词（2）消除：“the”，“movie”等（3）剪掉最重要的部分（“走路”） - “ing” - ＆gt;“walk”等）。（4）将单词放入set（5）中设置结果集，即表示电影。
- 对于每个列表：所有电影的文件名都转换为集合（如上所述），所有这些集合都放入集合中（现在你有一组字符串集 - 是的）
- 对于列表A和B：再次执行A ^ B或A - B - 您需要的内容（结帐Python Manual: Sets。
如果稍后需要将设置代表影片恢复为影片文件名。在创建列表A，B期间，您需要创建地图MA，MB，它将为您将“单词集”映射为“文件名”。
再次LCS ，但现在想象你的字母是单词。如果您不熟悉Formal langages terminology - 想象您的电影名称是用特殊字母书写的，那么每个字母都只是一个字。多亏了你有一系列单词，你可以搜索单词的后续序列。现在应用LCS将在电影标题中为您提供“保存顺序最长的单词集。”

如何从文件名中提取电影标题

3 个答案: