Question

有没有人可以帮助我解决以下问题：

我正在尝试在文本中找到特定的日期和时间字符串（在VBA Word中使用）。当前正在使用以下RegEx字符串：

（？：（[0-9] {1,2}）[|-]）？（？:( jan（？：uari）？| feb（？：ruari）？| m（？：aa）？rt | apr（？：il）？| mei | jun（？：i）？| jul（？：i）？| aug（？：ustus）？| sep（？：tember | t）？| okt（？：ober）？| nov（？：ember）？| dec（？：ember）？）））？（?: |-）？（？（3）（?:在|周围|）））？（？：（[ 0-9] {1,2}：[0-9] {1,2}）？（?: uur | u | u）？）？

在以下文本上测试了输出：

日期，大约时间：2016年9月26日，大约09：00u
日期，时间：2016年9月1日，09：00 uur
日期和时间u：2018年9月1日09:00 u
无日期的时间：08：30 uur
日期u：2016年9月1日09：00u
仅时间：09：00
仅一个月：jan
月份和年份：2019年2月
仅一天：02
只有'-'的一天：2-
日期和月份：1月2日
月年：2018年1月
带有'-'的日期：2018年2月2日09:00
其他月份：2016年9月1日
整个月：2018年9月1日
缩短年份：18年7月

规则：

日期后加上时间有效
日期后加文字“ around”或“ at”，再加上时间有效
没有日期的日期有效
没有年份的日期有效
仅日期和月份无效有效
一天，没有月份或年份无效无效
日期可能包含破折号'-'
一年可能会以'缩短，例如jun '18
月份名称可以短也可以长
完全匹配包括“ uur”或“ u”（以突出显示ms-Word中的文本）
捕获的子匹配文本中没有空格或尾随空格

示例：[{https://regex101.com/r/6CFgBP/1/]

预期的输出（在VBA Word中使用时）： regex Matches集合对象，其中每个Match.SubMatches都包含来自regex搜索字符串中捕获组的单个项d，m，y，hh：mm。因此，例如1：子匹配（或捕获组）包含值：'26''，'sep'，'2016'，'09:00'

RegEx可以正常工作，但是需要排除一些假阳性：

如果一天中没有月份/年份，则应将其排除在正则表达式之外（示例9和10）
万一没有一天，应该排除在外（示例7）

（我正在尝试使用som lookahead并引用\ 1和？（1），但无法使其正常运行...）

任何建议都值得赞赏！

Answer 1

据我了解，您需要每个日期/时间部分（天，月，年，小时和分钟）必须出现。

因此，您应该在相关组之后删除?（它们是非可选的）。

将每个组都捕获为相关的捕获组也是一种好习惯。

无需编写类似jun(?:i)?的内容。够了（并且更易于阅读），当您只写juni?时（?指的是到前面的i为止。

另一个提示：由于正则表达式语言包含\d char类，因此只需使用而不是[0-9]（正则表达式更短，更易于阅读。

（在/左右）可选部分应该是可选且非捕获组。

在正则表达式中不需要分钟部分之后的任何内容。

因此，我提出了如下所示的正则表达式（为了便于阅读，我将其分为几行）：

(\d{1,2})[ -](jan(?:uari)?|feb(?:ruari)?|m(?:aa)?rt|apr(?:il)?|mei|juni?
|juli?|aug(?:ustus)?|sep(?:tember|t)?|okt(?:ober)?|nov(?:ember)?|dec(?:ember)?)
[ -](\d{4}) (?:around |at )?(\d{1,2}:\d{1,2})

详细信息：

(\d{1,2})-天。
[ -]-一天后的分隔符（空格或减号）。
(jan(?:uari)?|...dec(?:ember)?)-月。
[ -]-月后的分隔符。
(\d{4})-年。
(?:around |at )?-实际上，年份之间有3种分隔符和小时（空格/ 左右 / at ），请注意（...）之前的空格？。
(\d{1,2}:\d{1,2})-小时和分钟。

它匹配变体1，2，3，5和13。其余所有内容均未包含每个必需的部分，因此它们不匹配。

如果您允许例如时/分部分是可选的，请更改相应的片段进入：

( (?:around |at )?(\d{1,2}:\d{1,2}))?

即用(和)?将周围/周围/时/分部分包围起来，使这部分成为可选组。然后，变体14和15也将被匹配。

另外一个扩展名：如果您还单独允许小时/分钟部分，将|(\d{1,2}:\d{1,2})添加到正则表达式（第一个变量之前，添加的部分是小时/分钟的第二个变体。

然后，您的4号和6号变体也会匹配。

有关工作示例，请参见https://regex101.com/r/33t1ps/1

编辑

在您列出规则之后，我提出以下正则表达式：

(\d{1,2}[ -])?-日期+分隔符，可选。
(jan(?:uari)?|...|dec(?:ember)?)-月。
(?:[ -](\d{4}|'\d{2}))?-分隔符+年（带“'”的4位或2位数字）。
( (?:around |at )?(\d{1,2}:\d{1,2}))?-分隔符+小时/分钟- 变体1的可选结尾。
|(\d{1,2}:\d{1,2})-变体2-仅小时和分钟。

它不仅与您的版本9和10匹配。

有关完整的正则表达式，也包括“ uur”，请参见https://regex101.com/r/33t1ps/3

Answer 2

最后，我发现了一些可以帮助我正确使用月份的方法：-）

\b(?:([1-3]|[0-3]\d)[ |-](?'month'(?:[1-9]|\d[12])|(?:jan(?:uari)?|feb(?:ruari)?|m(?:aa)?rt|apr(?:il)?|mei|jun(?:i)?|jul(?:i)?|aug(?:ustus)?|sep(?:tember|t)?|okt(?:ober)?|nov(?:ember)?|dec(?:ember)?))?)?(?:(\g'month')[ |-]((?:19|20|\')(?:\d{2})))?\b(?: omstreeks | om | )?(?:(\d{1,2}[:]\d{2}(?: uur|u)?|[0-2]\d{3}(?: uur|u)))?\b

它使用命名的构造函数/子例程。在这里找到： https://www.regular-expressions.info/subroutine.html

复杂的正则表达式查找日期和时间

2 个答案:

编辑