首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >问答首页 >Datetime和RegEx日期

Datetime和RegEx日期
EN

Stack Overflow用户
提问于 2018-09-23 11:47:26
回答 3查看 339关注 0票数 0

我从包含日期的HTML元素中抓取字符串。我要做的是使用正则表达式提取日期,然后使用datetime模块将它们转换为不同的格式。字符串遵循以下格式:

代码语言:javascript
复制
Date first available at Amazon.ca: Nov. 23 2017
Date first available at Amazon.ca: March 27 2017
Date first available at Amazon.ca: March 6 2018

棘手的是,只有名称较长的月份才会被缩写。

代码语言:javascript
复制
Jan.
Feb.
March
April
May
June
July
Aug.
Sept.
Oct.
Nov.
Dec.

我的第一个想法是选择除Date first available at Amazon.ca:之外的所有内容,但显然这比我最初想象的要困难一些。

我的下一个想法是类似于r'^(J|F|M|A|S|O|De)',但这显然行不通,因为月份不在字符串的开头。

现在我被困在点子上了。

显然,像下面这样的正则表达式可以工作,但它似乎过于冗长。

r'(Jan.|Feb.|March|April|May|June|July|Aug.|Sept.|Oct.|Nov.|Dec.)[\d\s]+'

EN

回答 3

Stack Overflow用户

发布于 2018-09-23 11:55:58

您可以通过搜索可能带有"."的字母来搜索月、日和年

代码语言:javascript
复制
import re, datetime
months = {b:a for a, b in enumerate(['Jan.', 'Feb.', 'March', 'April', 'May', 'June', 'July', 'Aug.', 'Sept.', 'Oct.', 'Nov.', 'Dec.'], 1)}
def convert_date(d:str) -> str:
  month, day, year = d.split()
  return datetime.datetime(int(year), months[month], int(day))

data = ['Date first available at Amazon.ca: Nov. 23 2017', 'Date first available at Amazon.ca: March 27 2017', 'Date first available at Amazon.ca: March 6 2018']
new_data = [re.findall('[a-zA-Z]+\.*\s\d+\s\d+$', i) for i in data]
final_results = [convert_date(i[0]) for i in new_data if i]

输出:

代码语言:javascript
复制
[datetime.datetime(2017, 11, 23, 0, 0), datetime.datetime(2017, 3, 27, 0, 0), datetime.datetime(2018, 3, 6, 0, 0)]

计时:

代码语言:javascript
复制
import time
def timeit(f):
  _t1 = time.time()
  _ = f()
  print(f'{f.__name__}: completed in {time.time()-_t1}')

@timeit
def ajax1234():
  new_data = [re.findall('[a-zA-Z]+\.*\s\d+\s\d+$', i) for i in data]

@timeit
def anthony():
  t = [re.findall('(Jan.|Feb.|March|April|May|June|July|Aug.|Sept.|Oct.|Nov.|Dec.)[\d\s]+', i) for i in data]

输出:

代码语言:javascript
复制
ajax1234: completed in 4.982948303222656e-05
anthony: completed in 3.314018249511719e-05
票数 1
EN

Stack Overflow用户

发布于 2018-09-23 14:56:52

您可以尝试这样做:

代码语言:javascript
复制
import re
dlist = [
"Date first available at Amazon.ca: Nov. 23 2017",
"Date first available at Amazon.ca: March 27 2017",
"Date first available at Amazon.ca: March 6 2018"]
print([re.search(r"(?<=\: )[a-zA-Z]+\.*[0-9 ]+" , each).group(0) for each in dlist])
票数 0
EN

Stack Overflow用户

发布于 2018-09-24 01:09:39

所以这是我的完整解决方案。

代码语言:javascript
复制
first_available = ff.find_elements(By.XPATH, '//li[contains(., "Date first available")]')
regex_first_available = re.compile(r'(Jan|Feb|March|April|May|June|July|Aug|Sept|Oct|Nov|Dec)[\d\s]+')

if len(first_available) > 0:
    first_available = regex_first_available.search(first_available[0].text).group(0)
else:
    first_available = ff.find_element(By.XPATH, '//td[text()="Date First Available"]/following-sibling::td[1]').text.replace('.', '')

try:
    first_available = datetime.datetime.strptime(first_available, '%b %d %Y').strftime('%Y-%m-%d')
except ValueError:
    first_available = datetime.datetime.strptime(first_available, '%B %d %Y').strftime('%Y-%m-%d')

如果有人改进了这种方法,我会选择您的解决方案作为答案。

票数 0
EN
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接:

https://stackoverflow.com/questions/52462801

复制
相关文章

相似问题

领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档