修改使正则表达式更具体以排除某些字符答案

【问题标题】：modification of making regex more specific to exclude certain characters修改使正则表达式更具体以排除某些字符
【发布时间】：2019-10-06 21:05:00
【问题描述】：

import re
s = '01.20/15 01/20.1915 1/1/19 01.11.11 1.8-24 3-4.12 01/20-09 12/12/1981 12-01/2001 1*51*12  22|1|13 03-02-1919 1-22-12 or 01-23-18 or 03-23-1984 01.11.18 or 2.2.17 or 02.02.18 or 12.1.16 12.23.1943 01-23-11 not 12.23.192 not 02.02.1'

我有以下字符串s，这是对making regex more specific to exclude certain characters的修改

我想获取所有日期，所以我使用

reg = r'\b((?:\d{1,2}(?:\.|\/|-)){2}(?:\d{4}|\d{2}))\b'
r1 = re.findall(reg,s)
r1

我得到了

['01.20/15',
 '01/20.1915',
 '1/1/19',
 '01.11.11',
 '1.8-24',
 '3-4.12',
 '01/20-09',
 '12/12/1981',
 '12-01/2001',
 '03-02-1919',
 '1-22-12',
 '01-23-18',
 '03-23-1984',
 '01.11.18',
 '2.2.17',
 '02.02.18',
 '12.1.16',
 '12.23.1943',
 '01-23-11']

这与我想要的很接近，但我不想要混合了 . 或 / 或 - 的字符串，例如'01.20/15' 或 '3-4.12' 或 3-4.12 等

我想要的输出是这样的

['1/1/19',
 '01.11.11',
 '12/12/1981',
 '03-02-1919',
 '1-22-12',
 '01-23-18',
 '03-23-1984',
 '01.11.18',
 '2.2.17',
 '02.02.18',
 '12.1.16',
 '12.23.1943',
 '01-23-11']

其中不包含任何混合有. 或/ 或- 的数字，例如'01.20/15' 或 '3-4.12'

我也试过修改reg

reg = r'\b((?:\d{1,2}(?:\.\b|\\b/|-\b)){2}(?:\d{4}|\d{2}))\b'

但这并不完全有效

如何进一步修改reg 以获得我想要的输出？

【问题讨论】：

标签： regex python-3.x string text

【解决方案1】：

我猜这里也许反向引用不是一个坏主意：

\b([0-9]{1,2}([./-])[0-9]{1,2}\2[0-9]{2,4})\b

或

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

Demo

测试

import re

regex = r'\b([0-9]{1,2}([./-])[0-9]{1,2}\2\d{2,4})\b'
string = '''
01.20/15 01/20.1915  01.11.11 1.8-24 3-4.12 01/20-09 12/12/1981 12-01/2001 1*51*12  22|1|13 03-02-1919 1-22-12 or 01-23-18 or 03-23-1984 01.11.18 or 2.2.17 or 02.02.18 or 12.1.16 12.23.1943 01-23-11 not 12.23.192 not 02.02.1

'''

matches = re.findall(regex, string)

output = []
for match in matches:
    output.append(match[0])

print(output)

输出

['01.11.11', '12/12/1981', '03-02-1919', '1-22-12', '01-23-18', '03-23-1984', '01.11.18', '2.2.17', '02.02.18', '12.1.16', '12.23.1943', '01-23-11', '12.23.192']

Demo

【讨论】：

感谢您的代码。这与我想要的很接近，除了我正在寻找['01.11.11'' 格式而不是'[(01.11.11', '.')
谢谢！实际上这段代码很接近，但它正在捕获它不应该捕获的12.23.192'
好点。我不想要像45-90-4000 这样的值。我只想要约会。但我也会问另一个问题来处理这个问题

【解决方案2】：

可以将 findall() 与单个捕获组一起使用，而不是使用 backref，类似于

\b((?:\d{1,2}\.\d{1,2}\.|\d{1,2}/\d{1,2}/|\d{1,2}-\d{1,2}-)(?:\d{2}|\d{4}))\b

https://regex101.com/r/V2AXPj/1

展开

 \b 
 (                             # (1 start)
      (?:
           \d{1,2} \. \d{1,2} \. 
        |  
           \d{1,2} / \d{1,2} /
        |  
           \d{1,2} - \d{1,2} -
      )
      (?: \d{2} | \d{4} )
 )                             # (1 end)
 \b

【讨论】：

【解决方案3】：

这可能会让你更接近你正在寻找的东西：

RE = r'((?:\d{1,2}(?:\.|\/|-)){2}\d{1,4})'

这将匹配提供的大部分输入，但以下字符串除外：

11-11-12-13-15.1645
01-01-11-12

此正则表达式将捕获第一个示例的 11-11-12 和 13-15.1645，以及第二个示例的 01-01-11。您可以对较长的字符串进行一些预处理，以便在 -|/|. 分隔符上进行拆分。通过拆分第一个分隔符，然后是第二个，... 直到您使用 re.match(post_split[0]) 和 re.match(post_split[1]) 找到匹配项。

【讨论】：