[Approved] [Russian] kinopoisk.ru (5 Viewers)

[ajs]

Еще чуток изменил правила автозамены, в том же посте.

 

[RabinoVich]

Может лучше бакап?

Это само собой, файлик рядом положит и переименовать)

Тут

Можете считать, что я упоролс0, но вот немного подшаманил. Должно работать хорошо, если правила обрабатываются по порядку:

  <strips>
     <strip>\s?(\(|\[)[\w'+-. ]{2,14}(\)|\])</strip>
     <strip>(bd|blue|hdtv|hd|web|dvd|cam|ts|br|vod|dvd|sat|dvb|dub|tele|xvcd|vcd)(-|\.)?(ray|rip|rp|dl|scr|ts|tc|tv|r5|wp|cine|sync)</strip>
     <strip>(240|360|480|540|720|1080|2160|4k|x263|x264|h263|h264|xvid|divx|xvid|-?ac3|-?acc|-?avc|vc-?1|rus|ukr|eng)(p|i)?</strip>
     <strip>(HD|iron|nnm-?)(club|tracker|torrent)(\.ru|\.org|\.com|\.su|\.net|\.tv)?</strip>
     <strip>\[?rutracker\.org\]?</strip>
     <strip>HELLYWOOD</strip>
     <strip>(\.\d{3,4}MB)</strip>
     <strip>[_.]\d\.\d{2}([^\d\.]|$)</strip>
     <strip>[._]by[._][^._]+?$</strip>
     <strip>(\.|_| ){2,5}</strip>
   </strips>

Если где косяк - критикуйте. Пока прогоняю с этим списком скрипт
Основной принцип в том, чтобы сначала удалялись любые (все) теги в скобках, независимо от того, что в них написано.
Затем удаляются теги, если они между точками, пробелами и нижними подчеркиваниями
После этого выносятся названия трекеров/релизиров, некоторые тэги размеров (позаимствовал у @ajs)
Вконце удаляются образовавшиеся последовательности из точек? подчеркиваний и пробелов

 

[ajs]

если правила обрабатываются по порядку

Они обрабатываются скопом т.е. все вместе за раз

 

[RabinoVich]

Просто если делать по порядку, то оно будет более правильно убирать, нежели мы выполним второе правило перед первым - тогда останется куча квадратных скобок, на приме. А если на один и тот же текст будет претендовать 2 и более правила и как-то же выполнится одно вместо другого раньше?[DOUBLEPOST=1451986253][/DOUBLEPOST]

на этот блок:

Там точно всё правильно? У меня на каждый фильм при поиске в лог вываливает ошибку, ругается как раз на [\.\s\_]+

 

[ajs]

Если где косяк - критикуйте.

Вторая строка забыт открывающий символ < перед strip

Итоговый регексп который будет обрабатывать названия выходит такой:

[\+\s]*\s?(\(|\[)[\w'+-. ]{2,14}(\)|\])|[\+\s]*(bd|blue|hdtv|hd|web|dvd|cam|ts|br|vod|dvd|sat|dvb|dub|tele|xvcd|vcd)(-|\.)?(ray|rip|rp|dl|scr|ts|tc|tv|r5|wp|cine|sync)|[\+\s]*(240|360|480|540|720|1080|2160|4k|x263|x264|h263|h264|xvid|divx|xvid|-?ac3|-?acc|-?avc|vc-?1|rus|ukr|eng)(p|i)?|[\+\s]*(HD|iron|nnm-?)(club|tracker|torrent)(\.ru|\.org|\.com|\.su|\.net|\.tv)?|[\+\s]*\[?rutracker\.org\]?|[\+\s]*HELLYWOOD|[\+\s]*(\.\d{3,4}MB)|[\+\s]*[_.]\d\.\d{2}([^\d\.]|$)|[\+\s]*[._]by[._][^._]+?$|[\+\s]*(\.|_| ){2,5}

Не отработает на:
DVD5, DVD9, DVD-Screener, DVDScreener, PDTV-Rip, TV-Rip, DSRip, IPTV-Rip, DVB-T Rip, HD-DVD, HD-DVD-Rip, HDDVDRip, HDDVD-Rip, HDDVD, HDDVD-Remux, BluRay-Remux, Laserdisc-RIP, VHS-Rip, DTheater-Rip, SuperTS, Super-TS, TC

Основной принцип в том, чтобы сначала удалялись любые (все) теги в скобках, независимо от того, что в них написано.

Год на многих фильмах уйдет (если он указан в скобках) ... это не есть хорошо т.к. есть фильмы с одинаковым названием но разных годов.

 

[ajs]

Там точно всё правильно? У меня на каждый фильм при поиске в лог вываливает ошибку, ругается как раз на [\.\s\_]+

Вроде да, собачка не пропала?

rx_strip = @"[\.\s\_]+";

Как ругается? Можно попробовать убрать собачку.

 

[ajs]

Просто если делать по порядку, то оно будет более правильно убирать, нежели мы выполним второе правило перед первым - тогда останется куча квадратных скобок, на приме. А если на один и тот же текст будет претендовать 2 и более правила и как-то же выполнится одно вместо другого раньше?

Проверить как оно будет в жизни, там решать

 

[RabinoVich]

Как ругается?

Точный лог уже показать не могу, удалил, пока поставил так:

if (!string.IsNullOrEmpty(rx_strip)) {
            searchString = Regex.Replace(searchString, rx_strip, string.Empty, RegexOptions.IgnoreCase);
        }

и свои правила удаления с этой страницы, сейчас шпарит, по итогу скажу результат[DOUBLEPOST=1451989572][/DOUBLEPOST]В общем ещё до запуска сбора данных в логе МП появляется ошибка, ругается на строку

rx_strip = "[\.\s\_]+";

Конкретно на 27 символ, вроде это нижнее подчёркивание у меня, его вроде экранировать не надо, оно мета-символом не является[DOUBLEPOST=1451990075][/DOUBLEPOST]

Хлопцы, а может ну его на и подождем апи?

Свежо придание..

 

[ajs]

Вот, чуть оптимизировал, и читать удобно и более менее понятно что каждая строка делает:

   <strips>
       <strip>[\(\[]?(240|360|480|720|1080|1280|2160)(p|i)?[\(\]]?</strip>
       <strip>([\.\_\s\(\[]|^)(rus|ukr|eng|(hard|soft)?sub)([\.\_\s\)\]]|$)</strip>
       <strip>(h|x)26(3|4|5)</strip>
       <strip>VC-?1</strip>
       <strip>-?AVC</strip>
       <strip>-?AC(3|C)</strip>
       <strip>(Xvid|DivX)</strip>
       <strip>X?VCD</strip>
       <strip>Tele(cine|sync)</strip>
       <strip>BluRay</strip>
       <strip>HD(TS|TV)</strip>
       <strip>(DVD|VHS)Scr(eener)?</strip>
       <strip>DVD(-?(5|9))</strip>
       <strip>(Super|HQ[\.\s\_]?)DVD</strip>
       <strip>(((i|n)?VOD|CAM|SAT|DS|VHS|(PD)?TV|IPTV|DVB(-T[\s\.\_]?)?|DT(heater)?|L(aser)?D(isc)?|WEB|BD|B(lu)?R(ay)?|HD(TV)?|(HD-?)?DVD)-?((DL-?)?Rip|DL|Remux))</strip>
       <strip>([\.\_\s\(\[]|^)(S?CAM|(Super-?)?TS|TC|SCR|R5|WP)([\.\_\s\)\]]|$)</strip>
       <strip>([\.\_\s\(\[]|^)(((A|S|1|2|D|M)VO)|((D|S)UB))([\.\_\s\)\]]|$)</strip>
       <strip>(\.\d{3,4}MB)</strip>
       <strip>[_.]\d\.\d{2}([^\d\.]|$)</strip>
       <strip>[\.\(\[](Extended|Director's.cut|Unrated)[\)\]]?</strip>
       <strip>[\[\(]?(((ru-?)?(t(racke|o)r(rent)?)\.([a-z]{2,3})(?![a-z]))|((HD|nnm|IRON)-?Club|HELLYWOOD|iTunes))[\]\)]?</strip>
       <strip>[._]by[._][^._]+?$</strip>
     </strips>

 

[ajs]

Конкретно на 27 символ, вроде это нижнее подчёркивание у меня, его вроде экранировать не надо, оно мета-символом не является

Ну тогда можно попробовать:

        rx_strip = "[\.\s\_]+";

или

        rx_strip = @"[\.\s_]+";

или

        rx_strip = "[\.\s_]+";