Question

我正在处理大量文本字符串，尝试匹配日期时间并使用strptime（）函数将它们转换为MM-DD-YYYY格式。

但是，文本中出现了一些5位数的序列号（例如，90481）误导我的.findall（）函数将它们视为日期时间。如何通过包含^（）类型的条件来排除它们来避免它们？

它们的共同之处在于它们都是5位数，所以我尝试了^（？！\ d {5}），但结果并不好。解决这组数字的最佳方法是什么？

谢谢。

注1：我已阅读this post，但似乎无法理解。

注2：关于某人在评论部分提出的日期格式

我正在处理的数据框中有许多日期格式，例如：

05/10/2001; 05/10/01; 5/10/09; 6/2/01
May-10-2001; May 10, 2010; March 25, 2001; Mar. 25, 2001; Mar 25 2001;
25 Mar 2001; 25 March 2001; 25 Mar. 2001; 25 March, 2001
Mar 25th, 2001; Mar 25th, 2001; Mar 12nd, 2001
Feb 2001; Sep 2001; Oct 2001
5/2001; 11/2001
2001; 2015

所以我有一个相当长的.findall（r''）函数，但重点是避免选择那些5位序列号。

此致

Answer 1

您可以在正则表达式中使用\b，以避免在数字中间找到匹配数字。将一个放在开头，一个放在最后，并通过将其余部分包装在非捕获组中，确保它们不包含在|（OR）操作的范围内。

我删除了几个月以保持简短：

\b(?:\d{1,2}\/\d{1,2}\/\d{2,4}|(?:Jan|Feb|Mar|Apr|   |Nov|Dec)[a-z]*-\d{2}-\d{2,4})\b

Python正则表达式“否定”模式匹配

1 个答案: