如何使用 Python 正则表达式从文本中提取日期？

我们首先需要了解一些正则表达式的基本知识，因为我们会用到它们。在正则表达式中声明模式的方法有很多，这可能会使它们看起来很复杂，但实际上非常简单。正则表达式是用于匹配符合该模式的字符串的模式。您需要阅读以下文章来了解正则表达式是如何工作的。

在学习编码时，您可能会经常需要从给定的文本中提取日期。如果您正在自动化一个Python脚本，并且需要从 CSV 文件中提取特定的数字，如果您是数据科学家，并且需要从给定的模式中分离复杂的日期，或者如果您是 Python 爱好者，并且想要了解有关字符串和数字数据类型的更多信息，那么您一定会发现这篇文章很有用。

预计您已经熟悉正则表达式的基本知识。

示例 1

我们将仅使用基本符号来为日期创建正则表达式模式。我们的目标是匹配包含日、月、年或日、月和年的日期，其中日和月的元素有两个数字，年的元素有四个数字。现在让我们分步构建模式。

正如您可能猜到的那样，d 将匹配数字。我们需要在其中提供数字 2 来匹配只有 2 位数字的字符串。因此，“d2”将匹配任何只有 2 位数字的字符串。日、月和年的模式分别为 d2、d2 和 d4。这三个必须用“/”或“-”连接在一起。

最新的正则表达式模式是“d2”后跟“d2”和“d4”。

现在问题部分已经完成，剩下的任务就容易了。


输入 1

import re

#Open the file that you want to search
f = open("doc.txt", "r")

#Will contain the entire content of the file as a string
content = f.read()

#The regex pattern that we created
pattern = "\d{2}[/-]\d{2}[/-]\d{4}"

#Will return all the strings that are matched
dates = re.findall(pattern, content)

需要注意的是，我们的正则表达式模式也将提取不正确的日期，例如 40/32/2019。最终代码必须修改为如下所示

输入 2

import re

#Open the file that you want to search
f = open("doc.txt", "r")

#Will contain the entire content of the file as a string
content = f.read()

#The regex pattern that we created
pattern = "\d{2}[/-]\d{2}[/-]\d{4}"

#Will return all the strings that are matched
dates = re.findall(pattern, content)

for date in dates:
   if "-" in date:
      day, month, year = map(int, date.split("-"))
   else:
      day, month, year = map(int, date.split("/"))
   if 1 <= day <= 31 and 1 <= month <= 12:
      print(date)
f.close()

输入文本

例如，如果文本文件的内容如下所示

My name is XXX. I was born on 07/12/2001 in YYY city.
I graduated from ZZZ college on 07-28-2019.

输出

07/04/1998
09-05-2019

示例 2

import datetime
from datetime import date
import re
s = "Jason's birthday is on 2002-07-28"
match = re.search(r'\d{4}-\d{2}-\d{2}', s)
date = datetime.datetime.strptime(match.group(), '%Y-%m-%d').date()
print (date)

输出

2002-07-28

结论

通过以上讨论，我们发现了各种Python 函数，用于从给定的文本中提取日期。毫无疑问，正则表达式模块是我们个人最喜欢的。您可能会反驳说，其他方法，例如split() 函数，会导致更快的执行速度以及更简单、更易于理解的代码。但是，如前所述，它不会产生负值（关于方法 2），也不会对没有空格与其他字符分隔的浮点数起作用，例如“25.50k”（关于方法 2）。此外，在日志解析方面，速度基本上是一个无用的指标。您现在可以理解为什么在所有这些选项中，正则表达式是我个人的首选。

更新于: 2023年11月2日

10K+ 阅读量

开启你的职业生涯

通过完成课程获得认证

开始学习
广告