如何使用Python正则表达式从文本中提取日期?
我们必须先了解一些正则表达式的基础知识,因为我们将使用它们。正则表达式有多种声明模式的方法,这可能会使它们看起来很复杂,但实际上它们很简单。正则表达式是模式,可用于匹配符合该模式的字符串。您需要阅读以下文章以了解正则表达式运作方式。
当学习编程时,您可能通常会从给定的文本中提取日期。如果您正在自动化Python脚本并需要从CSV文件中提取特定的数字数据,如果您是数据科学家并需要从给定模式中分离出复杂的日期,或者如果您是Python爱好者,想要了解有关字符串和数字数据类型的更多信息,您肯定会发现这篇有用的文章。
预计您将熟悉正则表达式的基础知识。
阅读更多:Python 教程
示例1
只使用基本符号创建正则表达式模式来匹配日期。我们的目标是匹配具有日、月、年或日、月和年元素的日期,其中日和月的元素有两个数字,年的元素有四个数字。现在让我们逐步构建模式。
d将匹配数字,正如您所料。我们需要在其中提供数字2,以匹配只有2个数字的字符串。因此,d2将匹配仅具有2个数字的任何字符串。日、月和年的模式分别为d2、d2和d4。这三个必须用’/’或’-‘连接起来。
最新的正则表达式模式是“d2”后跟“d2”和“d4”。
现在麻烦的部分已经完成,剩下的任务变得容易。
输入1
应该注意,我们的正则表达式模式也会提取不合法的日期,例如40/32/2019。必须对最终代码进行修改,如下所示:
输入2
输入文本
例如,如果文本文件的内容如下所示
输出
示例2
结果
结论
通过以上谈话,我们发现了从给定文本中提取日期的各种Python函数。 正则表达式模块无疑是我们个人最喜欢的方法。 您可能会反驳说,诸如split()函数之类的替代方法会导致更快的执行和更简单,更易于理解的代码。但是,如前所述,它不能产生负值(关于方法2),也不能应用于没有它们和其他字符之间的空格的浮点数,例如“25.50k”(关于方法2)。此外,速度在日志解析方面实际上是无用的统计数据。您现在可以理解,为什么在此列表中所有选项中,正则表达式是我个人的首选。