Python re.search - groupdict() -日期格式匹配

Question

我需要从各种字符串中得到日期月份，比如'14 10月‘，’14 oct'，'14.10'，‘14 10’和'14/10‘。对于这些情况，下面的代码可以正常工作。

query = '14.oct'
print(re.search(r'(?P<date>\b\d{1,2})(?:\b|st|nd|rd|th)?(?:[\s\.\-/_\\,]*)(?P<month>\d{1,2}|[a-z]{3,9})', query, re.I).groupdict())

结果：-

{'date': '14', 'month': 'oct'}

但在这种情况下(1410)，它仍然捕获日期和月份。但是我不想这样，因为这将是整个字符串的另一种数字格式，而不是被视为日期和月份。结果应该是None。

如何更改搜索模式？(仅适用于groupdict() )

编辑：-

以上(1410)数中提到的旁白只是为了区别于其他文本。我想说的是只有1410。

下面的解决方案是我想要的，通过在regex模式中添加(?!\d{3,}\b)，我从@ The -第四只鸟的答案中得到了这个想法。

谢谢

终解

import re
queries = ['14 10', '14.10', '1410', '14-10', '14/10', '14,10', '17800', '14th oct', '14thoct', '14th-oct', '14th/oct', '14-oct', '14.oct', '14oct']
max_indent = len(max(queries, key = len)) + 1

for query in queries:
    if resp := re.search(r'(?P<date>\b(?!\d{3,}\b)\d{1,2})(?:\b|st|[nr]d|th)?(?:[\s.-/_\\,-]*)(?P<month>\d{1,2}|[a-z]{3,9})', query, re.I):
        print(f"{query:{max_indent}}- {resp.groupdict()}")
    else:
        print(f"{query:{max_indent}}- 'Not a date'")

结果：-

14 10    - {'date': '14', 'month': '10'}
14.10    - {'date': '14', 'month': '10'}
1410     - 'Not a date'
14-10    - {'date': '14', 'month': '10'}
14/10    - {'date': '14', 'month': '10'}
14,10    - {'date': '14', 'month': '10'}
17800    - 'Not a date'
14th oct - {'date': '14', 'month': 'oct'}
14thoct  - {'date': '14', 'month': 'oct'}
14th-oct - {'date': '14', 'month': 'oct'}
14th/oct - {'date': '14', 'month': 'oct'}
14-oct   - {'date': '14', 'month': 'oct'}
14.oct   - {'date': '14', 'month': 'oct'}
14oct    - {'date': '14', 'month': 'oct'}

Answer 1

不确定您不希望匹配1410 (仅以4位数字表示)，也不想将(1410)与括号匹配，但要排除两者匹配，您可以确保不存在4个连续数字：

(?P<date>\b(?!\d{4}\b)\d{1,2})(?:st|[nr]d|th)?[\s./_\\,-]*(?P<month>\d{1,2}|[a-z]{3,9})

Regex演示

在括号之间不匹配任何日期

\([^()]*\)|(?P<date>\b\d{1,2})(?:st|[nr]d|th)?[\s./_\\,-]*(?P<month>\d{1,2}|[a-z]{3,9})

• 从开口到结束圆括号的\([^()]*\)匹配
• |或
• (?P<date>\b\d{1,2})匹配1-2位数字
• (?:st|[nr]d|th)?可选择匹配st nd rd th
• [\s./_\\,-]*可选择地重复匹配列表中的任何一个
• (?P<month>\d{1,2}|[a-z]{3,9})匹配1-2位数或3-9字符a-z

Regex演示

例如

import re

pattern = r"\([^()]*\)|(?P<date>\b\d{1,2})(?:st|[nr]d|th)?(?:[\s./_\\,-]*)(?P<month>\d{1,2}|[a-z]{3,9})"
strings = ["14th oct", "14oct", "14.10", "14 10", "14/10", "1410", "(1410)"]

for s in strings:
    m = re.search(pattern, s, re.I)
    if m.group(1):
        print(m.groupdict())
    else:
        print(f"{s} --> Not valid")

输出

{'date': '14', 'month': 'oct'}
{'date': '14', 'month': 'oct'}
{'date': '14', 'month': '10'}
{'date': '14', 'month': '10'}
{'date': '14', 'month': '10'}
{'date': '14', 'month': '10'}
(1410) --> Not valid

Answer 2

如何更改搜索模式？

您可以尝试使用负查找后断言文本(和负前瞻性断言文本)，如下所示

import re
query = '14.oct'
noquery = '(1410)'
print(re.search(r'(?<!\()(?P<date>\b\d{1,2})(?:\b|st|nd|rd|th)?(?:[\s\.\-/_\\,]*)(?P<month>\d{1,2}|[a-z]{3,9})(?!\))', query, re.I).groupdict())
print(re.search(r'(?<!\()(?P<date>\b\d{1,2})(?:\b|st|nd|rd|th)?(?:[\s\.\-/_\\,]*)(?P<month>\d{1,2}|[a-z]{3,9})(?!\))', noquery, re.I))

输出

{'date': '14', 'month': 'oct'}
None

注意，它确实阻止了所有括号内的表单，即不仅是(1410)，而且还有(14 10)、(14/10)等等。