Python 正则表达式中的模式匹配答案

【问题标题】：Pattern matching in Python regexpPython 正则表达式中的模式匹配
【发布时间】：2015-04-07 18:54:45
【问题描述】：

如何在 python 中使用正则表达式从 html <div> 标签中提取日期。 html是这样的

<div><strong>Date:<\/strong> Monday April 6, 2015 at 4:41PM <div>

我需要以“yyyy-dd-mm hh:mm”格式获取日期。输出应该是“2015-04-06 16:41”

【问题讨论】：

你能用你的例子展示yyyyddmmhhmm吗？
使用DOM和XPath从html中提取数据。例如，lxml 扩展可以做到这一点。

【解决方案1】：

我不会使用正则表达式来解决问题（参见RegEx match open tags except XHTML self-contained tags），而是使用HTML Parser、BeautifulSoup 和dateutil 来提取日期。提取日期后，使用strftime() 将其转储为所需格式的字符串：

>>> from bs4 import BeautifulSoup
>>> from dateutil import parse
>>> s = "<div><strong>Date:</strong> Monday April 6, 2015 at 4:41PM <div>"
>>> text = soup.find('div').text
>>> parse(text, fuzzy=True).strftime("%Y-%d-%m %H:%M")
'2015-06-04 16:41'

【讨论】：

lxml 不是更适合现实世界的用例吗？
@hek2mgl 我会说这是基于意见的。同一个任务有不同的包。虽然我还没有见过像BeautifulSoup 这样易于使用和自然的库。
（我是 Python 新手）如果 HTML 发生变化，通过 XPath 访问元素是否比逐步遍历每个节点直到目标更直接和可维护？我的意思是 Beatifulsoup 可以使用 lxml 作为低级解析器，但不支持 xpath。我不明白为什么。
@hek2mgl 好吧，这些只是实现类似目标的不同机制。例如。什么对你来说更易读：//td[@class="test"]/following-sibling::div，还是soup.find('td', class_='test').find_next_sibling('div')？另外，BeautifulSoup 支持 CSS 选择器，您可以将其视为 XPath 的替代方法来定位元素。

【解决方案2】：

仅使用 RegEx 是不可能的，因为当它不在源中时，您无法匹配月份。

【讨论】：