主页 / coding / 问题 / 79489705
Accepted
Milos Stojanovic
Asked: 2025-03-06 22:38:52 +0800 CST

正则表达式从字符串中删除诸如“官方视频”，“音频”，“音乐视频”等子字符串

  • 772

我正在尝试清除 YouTube 视频标题中不必要的单词，例如“官方视频”、“音频”、“音乐视频”等。我需要帮助构建可以使用的正则表达式。到目前为止，我尝试过：

const regex = /\s*[-\(\[]?\s*(-|official|video|audio|lyrics|lyric|hd|full|4k|music\s+video|\d{4})\s*[\)\]]?$/gi;

据我了解，这只会删除最后一次出现的关键字。我所做的是在这样的循环中使用它：

function clearSearchTerm(title) {
    const regex = /\s*[-\(\[]?\s*(-|official|video|audio|lyrics|lyric|hd|full|4k|music\s+video|\d{4})\s*[\)\]]?$/gi;
    let newTitle;

    do {
        newTitle = title;
        title = title.replace(regex, "");
    } while (newTitle !== title);

    return title;
}

目前它对我来说是有效的，因为我没有找到任何它不起作用的例子。评论中提到的是，我以前的正则表达式会删除出现在标题中间的关键字，我猜这个问题已经解决了。如果你知道如何改进这一点，我洗耳恭听。在下一部分中，我将写一些我需要删除的示例。

我想要删除的单词如下：

Audio
Video
Lyrics
Official
Remaster
2020 (or years in general)
...

所有这些词（可能还有更多）都可以出现在(and之间)或[and之间]或之后-。这些词可以组合在一起，例如：Some title - Official Videowhich should be cleaned to beSome title等等。

javascript

2 个回答

  1. Best Answer

    使用 PCRE（通常在 PHP 中），您可以通过声明子模式来避免单词重复，然后在主模式中重复使用它。还可以使用 x标志添加注释和空格以提高可读性：

    /
(?(DEFINE)
  (?<words_to_drop>
    (?:
      \s*
      \b(?:Official|Video|Audio|Music|Lyrics?|Remaster(?:ed)?|HD|LP|HQ|4k|Full|Version)\b
      \s*
    )+
  )
)
# Finishing by - and words to remove (but not years).
\s+[-–]\s+\g<words_to_drop>$
| # or
# Words or years to remove between brackets or parenthesis.
\s*[[(](?:\g<words_to_drop>|\s*\d{4}\s*)+[\])]
/ix

    查看其实际作用和解释：https://regex101.com/r/kPeYzb/1

    如果您必须坚持使用 JavaScript 引擎，则必须删除空格、注释并复制粘贴单词的模式，从而得到相同的模式，具有 JavaScript 风格：

    const pattern = /\s+[-–]\s+(?:\s*\b(?:Official|Video|Audio|Music|Lyrics?|Remaster(?:ed)?|HD|LP|HQ|4k|Full|Version)\b\s*)+$|\s*[[(](?:(?:\s*\b(?:Official|Video|Audio|Music|Lyrics?|Remaster(?:ed)?|HD|LP|HQ|4k|Full|Version)\b\s*)+|\s*\d{4}\s*)+[\])]/gi;

    具体操作如下：https://regex101.com/r/kPeYzb/2

    现在，关于避免在正则表达式中输入两次此单词列表的问题，可以使用RegExp()构造函数从字符串创建正则表达式。这意味着您可以从配置中获得一个单词数组（或单词正则表达式）：

    const input = document.getElementById('input');
const output = document.getElementById('output');

// Original commented regular expression : https://regex101.com/r/kPeYzb/1

// We will build this regular expression from a custom list of words,
// for example taken from a configuration page.
const wordsToRemove = [
  'Official',
  'Video',
  'Audio',
  'Music',
  'Lyrics?',
  'Remaster(?:ed)?',
  'HD',
  'LP',
  'HQ',
  '4k',
  'Full',
  'Version'
];
// IMPORTANT: compared to the regex syntax, if we build a RegExp instance
//            from a string, each backslash should be escaped.
// The regex to match multiple words from this list of words to remove.
const regexWordsToRemove = '(?:\\s*\\b(?:' + wordsToRemove.join('|') + ')\\b\\s*)+';
// The full regex pattern.
const patternCleanup = '\\s+[-–]\\s+' + regexWordsToRemove + '$|\\s*[[(](?:' + regexWordsToRemove + '|\\s*\\d{4}\\s*)+[\\])]';
// Create the regex object.
const regexCleanup = new RegExp(patternCleanup, 'gmi');
// Printing it should give the same result as the original regex we
// made here: https://regex101.com/r/kPeYzb/2
console.log(regexCleanup);

function updateOutput() {
  output.value = input.value.replace(regexCleanup, '');
}

document.addEventListener('DOMContentLoaded', (loaded) => {
  // When the input changes, update the output text.
  input.addEventListener('input', updateOutput);
  
  // Update the output for the initial input value.
  updateOutput();
});
    body {
  font-family: Arial, sans-serif;
}

.two-cols {
  display: grid;
  grid-template-columns: 1fr 1fr;
  grid-column-gap: .5em;
}

textarea {
  /* Just because the snippet space is small. */
  font-size: 0.8em;
  /* Don't wrap the text, to make comparaison easier. */
  white-space: pre;
  overflow-wrap: normal;
  overflow-x: scroll;
  box-sizing: border-box;
  width: 100%;
}

textarea[readonly] {
  color: #666;
  background: #f8f8f8;
}
    <form id="clean-up" class="two-cols" action="#">

  <div>
    <label for="input">Input:</label>
    <textarea id="input" name="input"
              placeholder="Put your text here"
              rows="10">Some title - Official Video
Some title [Official Video]
Some title (Official Video)
The Buggles - Video killed the Radio Star
The Smashing Pumpkins - 1979 (Official Music Video)
The Smashing Pumpkins – 1979
1979 (Remastered 2012)
New Order – 1963 (Lyrics)
Paul Davis - '65 Love Affair (1981 LP Version HQ)
Pulp - Disco 2000</textarea>
  </div>
  
  <div>
    <label for="output">Output: <small>Automatically updated</small></label>
    <textarea id="output" name="output"
              placeholder="Modified text" readonly
              rows="10"></textarea>
  </div>
  
</form>

    • 3

  2. 此正则表达式将匹配-或[或(后跟任意数量的文字空格 ，后跟任意单词OFFICIAL VIDEO|REMASTER|LYRICS|AUDIO或四位数字，后跟任意数量的空格，后跟匹配的右括号（当适用时）。

    REGEX 模式（ECMAScript（JavaScript）风格）（标志：gmi）：

    (?:-|\((?:(?<=\()(?= *[^)\n]+ *\)))|\[(?:(?<=\[)(?= *[^\]\n]+ *\]))) *(?:OFFICIAL VIDEO|REMASTER|LYRICS|AUDIO|\d{4})\s*(?:\]|\))?(?= |\n|$)

    正则表达式演示： https://regex101.com/r/Wy2I0w/8 （10 个匹配）

    笔记：

    • (|\[(?:(?<=\[)(?= *[^\]\n]* *\])))
    • (?:打开非捕获组(?:...) 交替 (...|...|...)语句。匹配交替语句中由竖线 ( |) 分隔的元素之一。
    • -匹配文字破折号-（第一个选项）
    • |替代元素分隔符。后跟第二个选项。
    • \(匹配文字(
    • (?:开始非捕获组(?:...)（第二个选项）
    • (?<=开始后视 (?<=...)检查是否打开(。
    • \(匹配文字(。此字符必须位于此索引点之前。
    • )仔细后视。
    • (?=开始前瞻 (?=...)以确保有匹配的结束符)。不会消耗字符。
    • *匹配 0 个或多个 ( *) 文字空格 。
    • [^)\n]+ 否定捕获类 [^...]匹配任何不是)或换行符 的字符\n1 次或多次（+）。
    • *匹配 0 个或多个 ( *) 文字空格 。
    • \)匹配文字)。
    • )关闭前瞻。
    • )关闭非捕获组（第二种选择）
    • |替代元素分隔符。后跟第三个选项。
    • \[匹配文字[。
    • (?: 开始非捕获组(?:...)（第三个选项）
    • (?<=开始回顾 (?<=...)检查是否打开。
    • \[匹配文字[。
    • )关闭*回顾。
    • (?=开始向前查找匹配的结束括号]。不会消耗字符。
    • *匹配0个或多个文字空格 。
    • [^\]\n]+ 否定字符类匹配任何不是]或换行符 的字符\n一次或多次 ( +)。
    • *匹配文字空格 0 次或更多次。
    • \]匹配文字]。
    • )关闭前瞻。
    • )关闭非捕获组。
    • )关闭交替组。
    • *匹配0个或多个文字空格 。
    • (?:开始包含交替的非捕获组。
    • OFFICIAL VIDEO|REMASTER|LYRICS|AUDIO|\d{4} 交替匹配列出的单词之一或四位数字\d{4}（年份）。
    • )关闭非捕获组。
    • \s*匹配0个或更多空白字符\s。
    • (?:打开包含交替的非捕获组。
    • \]|\)匹配文字]或 文字)。
    • )?关闭交替组。使其成为可选的 ( ?)。
    • (?=开始前瞻，不会消耗字符。
    • |\n|$匹配文字空格字符 、换行符\n或行尾$。
    • )关闭前瞻。

    测试字符串：

    FIRST title - Official Video 
SECOND title [Official VIDEO]
THIRD title (Lyrics) 
FOURTH title - Remaster
FIFTH title - [ Audio ]
SIXTH title ( Lyrics ) 
SEVENTH title (2020) 
EIGHT title (1999)
NINTH title (20)
TENTH title [ 2002 ]
ELEVENTH title [ 200 ]
TWELFTH  title ( 1999 )
THIRTEENTH  title ( Official Lyrics )
FOURTEENTH  title ( Official VIDEO]
FOURTEENTH  title ( Official VIDEO
FOURTEENTH  title [Official VIDEO)
FOURTEENTH  title Official VIDEO]

    结果：

    FIRST title 
SECOND title 
THIRD title  
FOURTH title 
FIFTH title - 
SIXTH title  
SEVENTH title  
EIGHT title 
NINTH title (20)
TENTH title 
ELEVENTH title [ 200 ]
TWELFTH  title 
THIRTEENTH  title ( Official Lyrics )
FOURTEENTH  title ( Official VIDEO]
FOURTEENTH  title ( Official VIDEO
FOURTEENTH  title [Official VIDEO)
FOURTEENTH  title Official VIDEO]
    • 0

相关问题