如何调整此正则表达式以在我的数据框中检测正确的日期格式？答案

【问题标题】：How can I tweak this regex for detecting correct date format in my dataframe?如何调整此正则表达式以在我的数据框中检测正确的日期格式？
【发布时间】：2020-08-16 16:33:42
【问题描述】：

如果我有这个数据框：

df:
name  dob
will  05-2020
John  4-2020
James 07-1999
Rob   2-2001
kim   1-20202020
Jane  112-2020

我想在dob列中检测日期(mm-yyyy)的条件：

年份不能超过 4 个字符（当然必须是 int）
月份可以是一位数或两位数（例如：02、2、12、11、10、9、09：都可以），但如果是两位数，则第一个字符只能是 0-1 和第二个0-9

到目前为止我有这个正则表达式：

r'\d{2}[-/]\d{4}'

但我没有得到我想要的结果。在我的情况下，我不应该在我的数据框中检测到 kim 或 jane。

有什么想法吗？

【问题讨论】：

[0-1]?\d[-\/]\d{4}可以吗
请检查以下答案。如果没有帮助您，请提供反馈，否则，请考虑接受对您有用的答案。
因为你有一个dataframe 标签，我认为my answer 与熊猫方法是相关的。

标签： python regex python-3.x dataframe

【解决方案1】：

我建议使用自定义 digit 边界（(?<!\d)lookbehind 和 (?!\d)lookahead）以确保您只匹配您选择的数字并确保您匹配 years，而不仅仅是像 9873 和 (?:19|20)\d{2} 这样的 4 位数字，带有交替运算符 + 任意两位数字的非捕获组。日期可以像Jan's answer 一样匹配，使用(?:0?[1-9]|1[0-2]) 模式。

使用str.extract 提取日期后，您可以使用pd.to_datetime 将它们转换为日期时间。

使用.fillna()，您可以处理不匹配的条目（我在下面的代码中将它们保留为空）。

正则表达式是

(?<!\d)((?:0?[1-9]|1[0-2])-(?:19|20)\d{2})(?!\d)

请参阅regex demo。详情：

(?<!\d) - 如果紧靠当前位置的左侧有一个数字，则匹配失败的负向后查找
((?:0?[1-9]|1[0-2])-(?:19|20)\d{2}) - 捕获组 1（str.extract 必需）：
- (?:0?[1-9]|1[0-2]) - 一个可选的0 和一个从1 到9 的数字，或1 然后0、1 或2(so, numbers from1to12`）
- - - 一个连字符
- (?:19|20)\d{2} - 19 或 20 然后是任意 2 位数字
(?!\d) - 如果在当前位置的右侧有一个数字，则匹配失败。

完整的sn-p：

import pandas as pd
df = pd.DataFrame()
data = { 'dob': ['will\t05-2020', 'John\t4-2020', 'James\t07-1999', 'Rob\t2-2001','kim\t1-20202020','Jane\t112-2020']}
df = pd.DataFrame(data)
df['Date'] = df['dob'].str.extract(r'(?<!\d)((?:0?[1-9]|1[0-2])-(?:19|20)\d{2})(?!\d)').fillna("")
df['Date'] = pd.to_datetime(df['Date'], format='%m%Y', errors='ignore')

输出：

>>> df
               dob     Date
0    will\t05-2020  05-2020
1     John\t4-2020   4-2020
2   James\t07-1999  07-1999
3      Rob\t2-2001   2-2001
4  kim\t1-20202020         
5   Jane\t112-2020

【讨论】：

这太完美了！我正在练习这些表达式，所以我有一个问题要问：如果我想要另一个没有可选 0 的正则表达式，我会删除 '?:0?'部分？
@JTHDR 如果您不允许可选的0，是的，只需删除0?。

【解决方案2】：

试试这个正则表达式：\b(0?[1-9]|1[0-2])[-/]\d{4}\b

Demo这里

【讨论】：

【解决方案3】：

你可以使用

\b(?:0?[1-9]|1[0-2])-\d{4}\b

见a demo on regex101.com。

请注意，由于这是一个常见问题，因此您可以使用 module called datefinder：

import datefinder
matches = datefinder.find_dates(string_with_dates)

在内部，它也使用正则表达式，如果你想看代码，see their github repo。

【讨论】：