Question

我正在研究一个python程序的正则表达式，它应该找到所有日期出现在文本中。

根据作业的描述，唯一有效的日期格式如下：

“3/30/18”，“3/30/2018”，“3-30-2018”，“03-30-2018”，“30.3.2018”， “30. 3. 2018”，“2018-03-30”

我创建了一个包含有效格式的字符串变量，并添加了一些以检查我的代码是否可行。

text_string = 'Examples for valid dates include "3/30/18", "3/30/2018", 
"3-30-2018", "03-30-2018", "30.3.2018", "30. 3. 2018", "2018-03-30", 
"3/30/1", "3/30/201", "/30/18", "3//18", "3/ /18", "3/30/", "3/301/18"'

以下是我提出的正则表达式：

match_string = re.findall('(?:\d{1,2}/\s*\d{1,2}/\s*\d{2,4})| 
(?:\d{1,2}-\s*\d{1,2}-\s*\d{2,4})|(?:\d{4}-\s*\d{1,2}-\s*\d{1,2})| 
(?:\d{1,2}.\s*\d{1,2}.\s*\d{4})', text_string)

显然，我的代码会捕获上面列出的所有7种有效日期格式，但它也返回“3/30/201”，这不应该是有效日期。

我试图在我的代码中添加'$'，但它只是搞砸了更多，所以我想知道如何纠正我的代码来解决这个问题。

P.S。这是一个Regex赋值，我不允许使用'datetime'T_T

Answer 1

正则表达式中有问题的部分是：

\d{2,4}

这匹配2到4位数 - 这意味着3位数也被视为有效年份。如果将\d{2,4}的两个出现替换为\d{2}(?:\d{2})?)\b，则正则表达式可以正常工作：

(?:\d{1,2}/\s*\d{1,2}/\s*\d{2}(?:\d{2})?)\b|(?:\d{1,2}-\s*\d{1,2}-\s*\d{2}(?:\d{2})?)\b|(?:\d{4}-\s*\d{1,2}-\s*\d{1,2})|(?:\d{1,2}.\s*\d{1,2}.\s*\d{4})

（不要忘记使用原始字符串文字来定义正则表达式：r'(?:\d{1,2}/\s*\d{1,2}/\s*\d{2}(?:\d{2})?)\b|(?:\d{1,2}-\s*\d{1,2}-\s*\d{2}(?:\d{2})?)\b|(?:\d{4}-\s*\d{1,2}-\s*\d{1,2})|(?:\d{1,2}.\s*\d{1,2}.\s*\d{4})'）

输出：

['3/30/18', '3/30/2018', '3-30-2018', '03-30-2018', '30.3.2018', '30. 3. 2018', '2018-03-30']

\d{2}(?:\d{2})?)\b正好匹配2位或4位数字 - \b边界是断言不再有数字，否则它仍会考虑＆＃34; 3/30 / 201＆＃34;是一个有效的日期。

最后，正则表达式可以更简洁地写成

\b\d{1,2}([-/]|\. ?)\d{1,2}\1\d{2}(?:\d{2})?\b|\b\d{4}-\d{2}-\d{2}\b

这使用捕获组断言没有混合分隔符（如3-2.2018）并且空格是一致的（因此1. 2.2018之类的东西不匹配）。

Python Regex用于特定的日期格式

1 个答案: