如何使用Python RegEx从字符串中提取数据？

Question

我有这种格式的文件名：

INC_2AB_22BA_1300435674_218_19-May-2014_13-09-59.121._OK
INC_2EE_22RE_1560343444_119_11-Jun-2014_15-21-32.329._OK
INC_2CD_22HY_1652323334_312_21-Jan-2014_11-15-48.291._OK

我想在日期部分之前提取名称。例如，在第一个文件中需要 _19-May-2014_13-09-59.121._确定之前的任何内容都会产生 INC_2AB_22BA_1300435674_218

我尝试了回顾方法，但此刻无法解决这个问题。

必不可少，尝试匹配此模式_[0-9]-[aA-bB]-*

Answer 1

如果您的格式一致，您可以使用以下内容。

>>> s = 'INC_2AB_22BA_1300435674_218_19-May-2014_13-09-59.121._OK'
>>> '_'.join(s.split('_')[0:5])
'INC_2AB_22BA_1300435674_218'

Answer 2

您可以尝试以下代码，

>>> import re
>>> s = """INC_2AB_22BA_1300435674_218_19-May-2014_13-09-59.121._OK
... INC_2EE_22RE_1560343444_119_11-Jun-2014_15-21-32.329._OK
... INC_2CD_22HY_1652323334_312_21-Jan-2014_11-15-48.291._OK"""
>>> m = re.findall(r'^.*?(?=_\d{2}-[A-Z][a-z]{2}-\d{4})', s, re.M)
>>> for i in m:
...     print i
... 
INC_2AB_22BA_1300435674_218
INC_2EE_22RE_1560343444_119
INC_2CD_22HY_1652323334_312

Answer 3

试试这个：

.*(?=_\d{1,2}-[a-zA-Z]{3})

它使用前瞻断言来表示你所在日期的_00-Aaa格式。

Answer 4

看起来这些线条有标准尺寸。只需使用

offset = len('INC_2AB_22BA_1300435674_218')`
for line in input:
     print line[:offset]

Answer 5

由于您所需的数据位于该行的开头，因此锚点搜索非常简单：

^(.*)(?:_\d{2}-[a-zA-Z]{3}-\d{4})

Debuggex Demo

>>> import re
>>> txt='''\
... INC_2AB_22BA_1300435674_218_19-May-2014_13-09-59.121._OK
... INC_2EE_22RE_1560343444_119_11-Jun-2014_15-21-32.329._OK
... INC_2CD_22HY_1652323334_312_21-Jan-2014_11-15-48.291._OK'''
>>> 
>>> re.findall(r'^(.*)(?:_\d{2}-[a-zA-Z]{3}-\d{4})', txt, re.M)
['INC_2AB_22BA_1300435674_218', 'INC_2EE_22RE_1560343444_119', 'INC_2CD_22HY_1652323334_312']

如果您想更加具体地在日期字段中匹配'Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec'，您可以这样做：

>>> re.findall(r'^([^-]+)(?:_\d{2}-(?:Jan|Feb|Mar|Apr|May|Jun|Jul|Aug|Sep|Oct|Nov|Dec)-\d{4})', txt, re.M)

...相同的输出

Answer 6

另一个解决方案。如果长度始终相同，则也可以使用正则表达式

^([^$]{27})

或者这个

^(.{27}) 

Demo