某些文本中日期的python正则表达式答案

【问题标题】：python regex of a date in some text某些文本中日期的python正则表达式
【发布时间】：2011-02-15 17:40:12
【问题描述】：

如何通过 python 从文本文件中找到尽可能多的日期模式？日期模式定义为：

dd mmm yyyy
  ^   ^
  |   |
  +---+--- spaces

地点：

dd 是两位数
mmm 是三个字符的英文月份名称（例如 Jan、Mar、Dec）
yyyy是四位数的年份
有两个空格作为分隔符

谢谢！

【问题讨论】：

我没有关注你。您是在寻找日期模式还是根据固定的单一模式寻找日期？
我想提取实际日期。

标签： python regex

【解决方案1】：

这是一种查找与您的模式匹配的所有日期的方法

re.findall(r'\d\d\s(?:Jan|Feb|Mar|Apr|May|Jun|Jul|Aug|Sep|Oct|Nov|Dec)\s\d{4}', text)

但是在 WilhelmTell 对您的问题发表评论之后，我也想知道这是否是您真正要求的...

【讨论】：

【解决方案2】：

使用日历模块给你一点全球意识：

date_expr = r"\d{2} (?:%s) \d{4}" % '|'.join(calendar.month_abbr[1:])
print date_expr
print re.findall(date_expr, source_text)

对我来说，这会创建一个 date_expr，例如：

"\d{2} (:?Jan|Feb|Mar|Apr|May|Jun|Jul|Aug|Sep|Oct|Nov|Dec) \d{4}"

但如果我使用语言环境模块更改我的语言环境：

locale.setlocale(0, "fr")

我现在用法语搜索月份：

"\d{2} (?:janv.|févr.|mars|avr.|mai|juin|juil.|août|sept.|oct.|nov.|déc.) \d{4}"

嗯，这是我第一次尝试法语月份缩写，我可能需要做一些清理工作：

date_expr = r"\d{2} (?:%s) \d{4}" % '|'.join(
    m.title().rstrip('.') for m in calendar.month_abbr[1:])

现在我明白了：

"\d{2} (?:Janv|Févr|Mars|Avr|Mai|Juin|Juil|Août|Sept|Oct|Nov|Déc) \d{4}"

现在我的脚本也可以为我的 Gallic 朋友运行，几乎没有什么麻烦。

（您可能想知道为什么我必须从 [1:] 切分 month_abbr 列表 - 此列表以位置 0 的空字符串开头，因此如果您使用 find() 查找特定月份的缩写，您将从 1 到 12 取回一个数字，而不是从 0 到 11。）

-- 保罗

【讨论】：

这就是为什么我更喜欢使用 RE 来验证基本格式（day month-abbrev year）然后让strptime 负责月份的本地化.如果您真的感兴趣，您可以使用一些区域设置感知选项来解释 M-D-Y 排序的差异。

【解决方案3】：

这里有一个稍微完整的例子。正则表达式将匹配的不仅仅是有效的日期值。 datetime.strptime 将无法解析任何无效的内容并引发ValueError。如果解析了日期，那么您就有了一个完整的 datetime 对象，可以让您访问很多功能。

>>> from datetime import datetime
>>> import re
>>> dates = []
>>> patn = re.compile(r'\d{2} \w{3} \d{4}')
>>> fh = open('inputfile')
>>> for line in fh:
...   for match in patn.findall(line):
...     try:
...       val = datetime.strptime(match, '%d %b %Y')
...       dates.append(val)
...     except ValueError:
...       pass # ignore, this isn't a date
...

我想如果你愿意的话，这可以折叠成带有理解的紧凑代码。

【讨论】：

感谢！ python - 如何将'val's连接到python中的数组中？

【解决方案4】：

试试这个：

import re

allmatches = re.findall(r'\d\d \w\w\w \d\d\d\d', "string to match")

【讨论】：

认真的吗？ -1？除了 '\w\w\w' 之外的任何原因可能不是匹配一个月的好方法吗？这是这家伙在他的“dd mmm yyyy”语法中所要求的。虽然它并不理想，但我不理解反对票。
嗨，虽然很晚，但它可能会给出任意三个可以非常随机的字母数字字符？如果我错了，请纠正我

【解决方案5】：

或者你可以完全使用它

date = re.findall(r'\d\d\s(?:Jan|Feb|Mar|Apr|May|Jun|Jul|Aug|Sep|Oct|Nov|Dec)\s\d{4}\s\d{2}:\d{2}', text)
print date
['30 November 2010 14:20', '30 November 2010 14:24']

【讨论】：