正则表达式提取日期和特定字符串

Question

我下面有一个文件名，我想提取year和_TEXT部分。

fle_2019-11-17A17-21-09.01（_TEXT）.txt

我可以使用两个正则表达式来执行此操作，然后加入结果。

(?<=\_)(\d{4})(?=\-) 这给了我year

(?<=\()(.*)(?=\))这给了我_TEXT

是否有一种方法可以从单个表达式中获取此信息？

Answer 1

一个选项是使用2个捕获组。例如，根据您允许在第一个下划线之前进行匹配的条件，您可以使用字符类来匹配不带下划线bar @ 0.5.1

的单词字符

[^\W_]+

部分

• ^[^\W_]+_(\d{4})-[\w.-]+\(([^)]+)\)\.\w+$ 字符串的开头
• ^匹配1个以上的字符，[^\W_]+除外
• _匹配_
• _捕获第1组，匹配1个以上的数字
• (\d{4})匹配-[\w.-]+和1个以上的字符字符，-或.（用可以匹配的字符扩展字符类
• -匹配\(
  • (捕获第2组，匹配除([^)]+)以外的任何字符1次以上
• )匹配\)
• )匹配一个\.\w+和1个以上的字符字符
• .字符串结尾

Regex demo | Python demo

例如

$

输出

import re

regex = r"^[^\W_]+_(\d{4})-[\w.-]+\(([^)]+)\)\.\w+$"
test_str = "fle_2019-11-17A17-21-09.01(_TEXT).txt"
print(re.findall(regex, test_str))

Answer 2

为了简单起见，我们可以尝试使用re.findall并进行替换，以捕获4位数字的年份或文件名：

file = "fle_2019-11-17A17-21-09.01(_TEXT).txt"
parts = re.findall(r'\d{4}(?=-\d{2})|(?<=\().*?(?=\))', file)
print(parts)

此打印：

['2019', '_TEXT']

我喜欢这种方法，因为输出已经产生了年份和文件名的单独逻辑值。