Question

我试图编辑一些试图从一段文本中提取日期的现有正则表达式。由于我对正则表达不太熟悉，我认为这是学习新东西的好时机。

所以我得到了以下正则表达式：

r'\b0*[1-9]?[0-9]\b'

（如果我理解的话）检索一个以0或更多0开头的数字，然后是1到9之间的零个或多个数字，以及0到9之间的1个数字。所以它匹配以下内容： / p>

10
24
01

但它也匹配以下内容（显然不是日期）

94
0000024

虽然它不匹配以下（实际上是日期）：

1st
3rd
5th

所以我开始用言语表达我所需要的东西，并尝试在其背后写出正则表达式：

以空格，短划线，斜线或任何内容开头的字符串（即直接从数字开始）
- 我的尝试：\b|-|\/
字符串中共有1或2个数字。这些数字应该在1到31之间，前导零或不是。
- 我的尝试：[1-9]|0[1-9]|[1-2][0-9]|3[0-1]
其后是＆＃34; st＆＃34;，＆＃34; nd＆＃34;，＆＃34; rd＆＃34;，＆＃34; th＆＃34;，破折号，斜线或空格。
- 我的尝试：st|nd|rd|th|-|\/|\b

将它们放在一起就是：\b|-|\/[1-9]|0[1-9]|[1-2][0-9]|3[0-1]st|nd|rd|th|-|\/|\b

但这似乎根本不起作用。当我测试第二部分（数字）时，它几乎匹配了我输入的所有数字。

我不想将此问题作为give me ze code问题，但有人可以通过指出我做错了什么来帮助我吗？我真的想学习更多使用正则表达式。

欢迎所有提示！

PS。我知道有些月份的日子少于31天，但我必须开始在某个地方学习......

[编辑]

所以要明确（@Saraiva在评论中要求这样做）。我希望它匹配以下内容：

01
08
9
28
31
2nd
31st
/31st
-22nd/
/25-

但不是这样：

73
01200
026
/2200nd-
(6th

Answer 1

你的正则表达式片段是正确的，你只是错误地将它们放在一起。如果你这样做：

\b|-|\/[1-9]|0[1-9]|[1-2][0-9]|3[0-1]st|nd|rd|th|-|\/|\b

你正在或（|）所有东西（所以，你匹配一个单词边界，或一个破折号，或......）。

你想要这样的东西：

(?:\b)(([1-9]|0[1-9]|[1-2][0-9]|3[0-1])(st|nd|rd|th)?)(?:\b|\/)

所以：

a word boundary (non capturing)
followed by a number 0-31
followed (eventually) by one of st nd rd th
followed by a word boundary (non capturing) or a slash

此处示例：https://regex101.com/r/zM4lI5/3

如果切换到使用环视，您可能会获得更好的结果：

(?<=\b|\/|-)((?:[1-9]|0[1-9]|[1-2][0-9]|3[0-1])(?:st|nd|rd|th)?)(?=\b|\/|-)

(?<=\b|\/|-) whatever matches the following, if preceded by this
(?=\b|\/|-)  whatever matched the preceding, if followed by this

示例：https://regex101.com/r/zM4lI5/4

编辑：

如果您只想捕获数字，我会改变这样的rexgex，玩非捕获组：

(?<=\b|\/|-)([1-9]|0[1-9]|[1-2][0-9]|3[0-1])(?:st|nd|rd|th)?(?=\b|\/|-)

编辑2：好的，我发现Python要求后视断言具有恒定的长度;在我们的示例中，\b为0，而\/和-为1个字符。如果它对你有好处，我建议只使用空格而不是单词边界：

(?<=\s|\/|-)([1-9]|0[1-9]|[1-2][0-9]|3[0-1])(?:st|nd|rd|th)?(?=\b|\/|-)

此处示例：IDEONE regex101

正则表达式匹配日期

1 个答案: