Question

我正在尝试从字符串中解析出所有日期（可能以不同的形式编写）。问题是可能有一个以d/m -y格式写的日期，例如22/11 -12。但也可能有一个以d/m形式写的日期，没有指定年份。如果我在此字符串中找到包含较长形式的日期，我不希望以较短的形式再次找到它。这是我的代码失败的地方，它找到了第一个日期两次（一年一次，一次没有它）。

我真的有两个问题：（1）这样做的“正确”方法是什么。我似乎从错误的角度来看待这个问题。（2）如果我坚持这样做，这条线datestring.replace(match.group(0), '')怎么不删除日期，所以我再也找不到了？

这是我的代码：

#!/usr/bin/env python
# -*- coding: utf-8 -*-

import re

dformats = (
    '(?P<day>\d{1,2})/(?P<month>\d{1,2}) -(?P<year>\d{2})',
    '(?P<day>\d{1,2})/(?P<month>\d{1,2})',
    '(?P<year>\d{4})-(?P<month>\d{2})-(?P<day>\d{2})',
            )


def get_dates(datestring):
    """Try to extract all dates from certain strings.

    Arguments:
    - `datestring`: A string containing dates.
    """
    global dformats

    found_dates = []

    for regex in dformats:
        matches = re.finditer(regex, datestring)
        for match in matches:
            # Is supposed to make sure the same date is not found twice
            datestring.replace(match.group(0), '')

            found_dates.append(match)
    return found_dates

if __name__ == '__main__':
    dates = get_dates('1/2 -13, 5/3 & 2012-11-22')
    for date in dates:
        print date.groups()

Answer 1

两种方式：

使用单个正则表达式并使用|运营商将您的所有案例加在一起：

expr = re.compile ( r"expr1|expr2|expr3" )
仅查找单个实例，然后为下一次搜索传递“开始位置”。请注意，这会使事情变得复杂，因为无论选择哪种格式，您都希望始终以最早的匹配开始。即，遍历所有三个匹配，找出哪个是最早的匹配，进行替换，然后使用递增的起始位置再次执行。这使得选项1更容易，无论如何。

还有几点：

确保使用“原始字符串”：在每个字符串的前面加上“r”。否则，'\'字符可能会被吃掉而不会传递给RE引擎
考虑使用“sub”和回调函数代替“repl”参数来进行替换，而不是使用finditer。在这种情况下，“repl”传递一个匹配对象，并应返回替换字符串。
如果未选择该替代方案，则“单个”中的匹配组将具有值None，从而可以轻松检测使用的替代方案。
除非您打算修改该变量，否则不应该说“全局”。

这是一些完整的，有效的代码。

#!/usr/bin/env python
# -*- coding: utf-8 -*-

import re

expr = re.compile(
    r'(?P<day1>\d{1,2})/(?P<month1>\d{1,2}) -(?P<year>\d{2})|(?P<day2>\d{1,2})/(?P<month2>\d{1,2})|(?P<year3>\d{4})-(?P<month3>\d{2})-(?P<day3>\d{2})')


def get_dates(datestring):
    """Try to extract all dates from certain strings.

    Arguments:
    - `datestring`: A string containing dates.
    """

    found_dates = []
    matches = expr.finditer(datestring)
    for match in matches:
        if match.group('day1'):
            found_dates.append({'day': match.group('day1'),
                                 'month': match.group('month1') })
        elif match.group('day2'):
            found_dates.append({'day': match.group('day2'),
                                'month': match.group('month2')})
        elif match.group('day3'):
            found_dates.append({'day': match.group('day3'),
                                'month': match.group('month3'),
                                'year': match.group('year3')})
        else:
            raise Exception("wtf?")
    return found_dates

if __name__ == '__main__':
    dates = get_dates('1/2 -13, 5/3 & 2012-11-22')
    for date in dates:
        print date

Answer 2

您可以在第二个正则表达式中使用negative look ahead仅匹配dates未跟随的-year： -

dformats = (
    r'(?P<day>\d{1,2})/(?P<month>\d{1,2}) -(?P<year>\d{2})',
    r'(?P<day>\d{1,2})/(?P<month>\d{1,2})(?!\s+-(?P<year>\d{2}))',
    r'(?P<year>\d{4})-(?P<month>\d{2})-(?P<day>\d{2})'
)

因此，first正则表达式中匹配的日期将不会与第二个匹配。

Answer 3

您可以sub代替find：

def find_dates(s):

    dformats = (
        '(?P<day>\d{1,2})/(?P<month>\d{1,2}) -(?P<year>\d{2})',
        '(?P<day>\d{1,2})/(?P<month>\d{1,2})',
        '(?P<year>\d{4})-(?P<month>\d{2})-(?P<day>\d{2})',
    )    

    dates = []
    for f in dformats:
        s = re.sub(f, lambda m: dates.append(m.groupdict()), s)
    return dates

确保两个正则表达式找不到相同的结果

3 个答案: