M3U 文件是一个播放列表文件,它包含描述媒体文件的条目列表、它们的名称、id、类别等。 第一行是元数据,第二行是文件或流 URL。
示例:
#EXTINF:-1 tvg-id="ChannelName" tvg-name="|FR| Channel" tvg-logo="http://logo" timeshift="1" group-title="|FR| FrenchChannel",|FR| Channel Fullname
URL
我的文件包含大约 90,000 个条目和 160,000 行。重量约为 20Mb。
我想解析这个文件,并获取每个条目。我尝试使用这个正则表达式:
'(.+?),(?=(?:[^\"]*\"[^\"]*\")*[^\"]*$)(.+)\s*(.+)\s*'
它为我提供了不同匹配组中的元数据、全名和 URL。它在不同的子集(30,000 行和 50,000 行)上都能正常工作。然而,当处理全套时,匹配时间太长。当时我无法让它完成,不得不终止它。
我无法让这个解析工作,这是一个设计模式问题还是只是正则表达式太慢?我很困惑。
最佳答案
一种选择可能是重复键值对,而不是使用非贪婪的 .+?
以防止不必要的回溯并省略正向查找 (?=
:
^(#\S+(?:\s+[^\s="]+="[^"]+")+),(.*)\s*(.*)
说明
^
字符串开头(
第一个捕获组#\S+
匹配 # 后跟 0+ 次非空白字符(?: [^\s="]+="[^"]+")+
重复键值对 1 次以上,前面有 1 次以上空白字符
)
关闭组 1,(.*)
匹配逗号并捕获第 2 组中任何字符 0+ 次\s*
匹配 0 次以上空白字符(.*)
在组 3 中捕获与任意字符匹配 0 次以上的内容
关于python - 解析大型 M3U 文件时遇到问题,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/56610938/