Как выбрать нужные данные regexp?

Question

[stayHARD]

Здравствуйте.
Необходимо считывать данные из файла субтитров.
Структура примерно вот такая:

1812
01:22:07,367 --> 01:22:09,300
[Police radio chatter]

Где 1812 - число от 1 до N.

Не силен в регулярных выражениях, по этому прошу помочь мне.
Все данные в [], я нахожу вот таким образом:
cc = re.findall(r'\[([A-Za-z0-9_ -,]+)\]', data)
А как я могу получить к ним еще и время?
Пробую вот так, но это явно не то, что я хочу получить.
time = re.findall(r'-->(.*?)\[', data)

В итоге хочу получить запись вида:
Police radio chatter 01:22:07,367 01:22:09,300

Как можно выбрать время при такой структуре?

Answer 1

[abs0lut]

1812
01:22:07,367 --> 01:22:09,300
[Police radio chatter]

В итоге хочу получить запись вида:
Police radio chatter 01:22:07,367 01:22:09,300

import re

s = """1812
01:22:07,367 --> 01:22:09,300
[Police radio chatter]"""

time = re.findall(r"\d{2}:\d{2}:\d{2}", s) # ['01:22:07', '01:22:09']
text = re.findall(r"[^\d\[\]:,\s\->]+", s) # ['Police', 'radio', 'chatter']

Comments

[stayHARD]

Что-то похоже на то, что мне нужно. Спасибо за ответ.
А что делать если у меня есть записи вот такого вида:
1й вид:
4
00:00:12,733 --> 00:00:15,533
[Airplane engine roars]
2й вид:
5
00:00:15,533 --> 00:00:17,767
She is [never] seen again.
3й вид:
7
00:00:27,033 --> 00:00:30,233
new leads send me across
the world in search of answers.

Здесь есть два вида, которые мне нужны. А именно в которых есть слово/фраза заключенная в [].
К этой фразе так же нужно время. Что по этому скажете?

[abs0lut]

re.findall(r"\b(?:\[?[^\d\s:,]+\]?)\b", s)

[stayHARD]

abs0lut: посмотрите в мой второй вопрос Как отбросить часть строки?

[abs0lut]

Обязательно посмотрю утром)

Answer 2

[Yura Khlyan]

" ".join(text.split(' --> '))

Comments

[stayHARD]

Это не вариант. Мне нужно только конкретные записи.
После которых будет идти "[текст]", а не "текст"

[Yura Khlyan]

stayHARD: Считываете файл как? По строкам? Тогда проверяете есть ли в строке ' --> ' и делите ее как я написал(" ".join(line.split(' --> '))).

[stayHARD]

Yura Khlyan: Вы не поняли. Считываю вот так:
with open ('subs.srt', 'r') as file:
data = file.read().replace('\n', '')
Есть записи вот такие:
"
70
00:03:12,800 --> 00:03:14,767
[Airplane engine roars]
"
А есть вот такие:
70
00:67:12,800 --> 00:68:14,767
Airplane
"

Нужны только первые.

[Yura Khlyan]

lines = open('subs.srt', 'r').readlines()
result = []
for number, line in enumerate(lines):
if line[0] == '[' and line[-1] == ']':
result.append(' '.join([line[1:-1], ' '.join(lines[number+1].split(' --> '))]))

У вас будет список строк.
П.С. Пробелы седает

[stayHARD]

Yura Khlyan: отдает пустой список. Да и вроде же рациональнее использовать регулярные выражения?

[Yura Khlyan]

with open ('subs.srt', 'r') as file:
data = file.readlines()[::-1]
result = []
for number, line in enumerate(data):
____if line[0] == '[' and line[-1] == ']':
________text = line[1:-1]
________time = ' '.join(lines[number+1].split(' --> '))
________result.append("{} {}".format(text, time))
Должно все работать. Я ппросто не оч знаю регулярку, поэтому юзаю то что знаю.

[Yura Khlyan]

stayHARD:
или вот так
with open ('subs.srt', 'r') as file:
data = file.readlines()
result = []
for number, line in enumerate(data):
____if line[0] == '[' and line[-1] == ']':
________text = line[1:-1]
________time = ' '.join(lines[number-1].split(' --> '))
________result.append("{} {}".format(text, time))
Должно все работать. Я ппросто не оч знаю регулярку, поэтому юзаю то что знаю.

Answer 3

[sim3x]

https://pypi.python.org/pypi/pysrt

import this

Comments

[stayHARD]

Там нет работы с CC. https://en.wikipedia.org/wiki/Closed_captioning

[sim3x]

stayHARD:
формат фала такой же как и у srt