数据清理python

Question

以下是在python中抓取时从网站收集的一些汽车信息。

Maruti Suzuki A-Star [2008-2012]Vxi
Hyundai Xcent [2014-2017]SX 1.2 (O)
Ford Figo [2010-2012]Duratorq Diesel Titanium...
Honda CR-V [2009-2013]2.4 AT
Maruti Suzuki Wagon R 1.0 [2010-2013]LXi CNG
Audi A4
Mercedes-Benz E-Class
BMW X3
BMW 3 Serie

分配给我的任务是提取2010、2008、2014和2009年的日期。这些是在-符号之前的

我试图提取它们的模式是[^\-\/\s]\d{4}。

我尝试过的上述模式的输出

​

​

Answer 1

被取反的字符类[^\-\/\s]匹配的不仅仅是开头的[

要获得更具体的匹配，您可以使用当年的捕获组(\d{4})。

\[(\d{4})-\d{4}\]

Regex demo | Python demo

要仅匹配以20开头的日期：

\[(20\d{2})-\d{4}\]

Regex demo

例如

import re

regex = r"\[(20\d{2})-\d{4}\]"

test_str = ("Maruti Suzuki A-Star [2008-2012]Vxi\n\n"
    "Hyundai Xcent [2014-2017]SX 1.2 (O)\n\n"
    "Ford Figo [2010-2012]Duratorq Diesel Titanium...\n\n"
    "Honda CR-V [2009-2013]2.4 AT\n\n"
    "Maruti Suzuki Wagon R 1.0 [2010-2013]LXi CNG\n\n"
    "Audi A4\n\n"
    "Mercedes-Benz E-Class\n\n"
    "BMW X3\n\n"
    "BMW 3 Serie\n\n\n"
    "Honda CR-V [1909-2013]2.4 AT")


print(re.findall(regex, test_str))

输出

['2008', '2014', '2010', '2009', '2010']