Question

我有一个字符串，看起来像“Blah blah blah，更新：2012年8月23日”，我想使用Regex提取日期Aug. 23, 2012。我在堆栈中发现了一篇类似的文章：regex to remove all text before a character，但是当我尝试时这个文章都不起作用

date_div = "Blah blah blah, Updated: Aug. 23, 2012"
extracted_date = re.sub('^[^Updated]*',"", date_div)

如何删除所有内容，包括已更新内容，以便只剩下Aug. 23, 2012？

谢谢！

Answer 1

在这种情况下，您可以在没有正则表达式的情况下执行此操作，例如：

>>> date_div = "Blah blah blah, Updated: Aug. 23, 2012"
>>> date_div.split('Updated: ')
['Blah blah blah, ', 'Aug. 23, 2012']
>>> date_div.split('Updated: ')[-1]
'Aug. 23, 2012'

Answer 2

您可以使用Lookahead：

import re
date_div = "Blah blah blah, Updated: Aug. 23, 2012"
extracted_date = re.sub('^(.*)(?=Updated)',"", date_div)
print extracted_date

<强>输出

Updated: Aug. 23, 2012

修改
如果下面的MattDMo评论是正确的，您想要删除＆＃34;更新：＆＃34;你也可以这样做：

extracted_date = re.sub('^(.*Updated: )',"", date_div)

Answer 3

使用正则表达式，您可以使用两个正则表达式，具体取决于单词的出现：

# Remove all up to the first occurrence of the word including it (non-greedy):
^.*?word
# Remove all up to the last occurrence of the word including it (greedy):
^.*word

请参见non-greedy regex demo和greedy regex demo。

^匹配字符串位置的开头，.*?匹配任何0+个字符（注意使用re.DOTALL标志，以便.可以匹配换行符）为< em> fem （尽可能多地匹配.*（许多），然后word匹配并消耗（即增加匹配并提高正则表达式索引）这个单词。

请注意re.escape(up_to_word)的使用：如果您的up_to_word不包含唯一的字母数字和下划线字符，则使用re.escape更为安全，这样(这样的特殊字符，[，?等无法阻止正则表达式找到有效的匹配项。

请参见Python demo：

import re

date_div = "Blah blah\nblah, Updated: Aug. 23, 2012 Blah blah Updated: Feb. 13, 2019"

up_to_word = "Updated:"
rx_to_first = r'^.*?{}'.format(re.escape(up_to_word))
rx_to_last = r'^.*{}'.format(re.escape(up_to_word))

print("Remove all up to the first occurrence of the word including it:")
print(re.sub(rx_to_first, '', date_div, flags=re.DOTALL).strip())
print("Remove all up to the last occurrence of the word including it:")
print(re.sub(rx_to_last, '', date_div, flags=re.DOTALL).strip())

输出：

Remove all up to the first occurrence of the word including it:
Aug. 23, 2012 Blah blah Updated: Feb. 13, 2019
Remove all up to the last occurrence of the word including it:
Feb. 13, 2019

使用Regex re.sub删除包含指定单词之前的所有内容

3 个答案: