Question

我有一列具有不同日期类型的列，例如：

2\06\1998
21.11.1998  
18-02-2001
03/05/1999 
20 july 1999

我只想要年份。

我尝试了其他类型的正则表达式，例如：

def get_date(date):
        number= re.findall('\[0-9]\-{0,1}\\{0,1}\/{0,1}\[0-9]\-{0,1}\\{0,1}\/{0,1}\[0-9]', date)
        return number[6:]

但是我无法提取年份。什么是最适合这种情况的正则表达式？进行两种类型的正则表达式不是问题，一种用于dd / mm / yyyy格式，一种用于带字母月份的日期。

Answer 1

不要掉入正则表达式/“最后4个字符的兔子洞”中。如果到达另一种格式的日期（例如2019-08-27），则任何幼稚的正则表达式/剥离解决方案都会中断。

使用pd.to_datetime让熊猫处理解析，然后抓住dt.year。

df = pd.DataFrame({'a': ['2/06/1998', '21.11.1998', '18-02-2001', '03/05/1999',
                         '20 july 1999', '2019-08-27']})
df['a'] = pd.to_datetime(df['a'])
print(df['a'].dt.year)

输出

注意：请注意，我必须将斜线的方向（从2\06\1998更改为2/06/1998），但是要获得更强大的解决方案却要付出很小的代价。

Answer 2

您可以利用2个捕获组，其中在第一个组中，通过使用向后引用\1来捕获分隔线以匹配第二个分隔线的一致分隔线。

年份部分在第二组中捕获。

^\d+([\\/. -])(?:\d+|[a-z]+)\1(\d{4})$

Regex demo

除了使用锚点^和$，您还可以使用lookarounds

(?<!\S)\d+([\\/. -])(?:\d+|[a-z]+)\1(\d{4})(?!\S)

Regex demo

样式部分

(?<!\S)声明左侧的内容不是非空白字符
\d+匹配1个以上的数字
([\\/. -])捕获组1，与列出的任何一个匹配
(?:非捕获组
- \d+匹配1个以上的数字
- |或
- [a-z]+匹配1个以上的小写字符
)关闭无标题组
\1向后引用第1组中捕获的内容
(\d{4})捕获组2，匹配年份的4位数字
(?!\S)断言右边的内容不是非空格字符

Answer 3

我将使用简单的\d{4}正则表达式。

import re

s = """2\\06\\1998
21.11.1998  
18-02-2001
03/05/1999 
20 july 1999"""
for date in s.splitlines():
    year = re.search(r"\d{4}", date).group(0)
    print(year)

Answer 4

熊猫to_datetime擅长识别不同的日期格式。唯一的问题是反斜杠，但是如果您可以使用字符串格式替换反斜杠，那么我认为它比使用正则表达式更容易。

import pandas as pd
df = pd.DataFrame({"date": ["2\\06\\1998", "21.11.1998", "18-02-2001", "03/05/1999", "20 july 1999"]})

df["date"] = df["date"].str.replace("\\", "/")
df["date"] = pd.to_datetime(df["date"])
df["date"].dt.year

0    1998
1    1998
2    2001
3    1999
4    1999
Name: date, dtype: int64

如何从python中不同类型的日期中提取年份

4 个答案: