Regex从email tex中提取日期和时间

Question

我有一个文件里面有大量的文本。有些看起来像这样：

X-DSPAM-Processed: Fri Jan  4 18:10:48 2008
X-DSPAM-Confidence: 0.6178
X-DSPAM-Probability: 0.0000

Details: http://source.sakaiproject.org/viewsvn/?view=rev&rev=39771

Author: louis@media.berkeley.edu
Date: 2008-01-04 18:08:50 -0500 (Fri, 04 Jan 2008)
New Revision: 39771

Modified:
bspace/site-manage/sakai_2-4-x/site-manage-tool/tool/src/bundle/sitesetupgeneric.properties
bspace/site-manage/sakai_2-4-x/site-manage-tool/tool/src/java/org/sakaiproject/site/tool/SiteAction.java
Log:
BSP-1415 New (Guest) user Notification

我只需要抽出符合以下模式的日期：

2008-01-04 18:08:50-0500

我试了一下：

^{pr2}$

我得到的回报是几百：

\d{4}(?P<sep>[-/])\d{2}(?P=sep)\d{2}\s\d{2}:\d{2}:]\d{2}\s[-/]\d{4}

Answer 1

两件事：

首先，正则表达式本身：

regex = re.compile(r'\b\d{4}[-/]\d{2}[-/]\d{2}\s\d{2}:\d{2}:\d{2}\s[-+]\d{4}\b')

其次，需要调用regex.findall(file)，其中file是一个字符串：

^{pr2}$

^{} produces a compiled regular expression object。findall是这个对象的几个方法之一，这些方法允许您进行实际的搜索/匹配/查找。在

最后：您当前使用的是命名捕获组。（(?P<sep>[-/])）从你的问题“我只需要拉出遵循这种模式的日期”来看，你似乎并不需要这些。您需要提取整个表达式，而不是捕获“分隔符”，这正是捕获组的目的。在

完整代码块：

>>> import re
>>> regex = re.compile(r'\b\d{4}[-/]\d{2}[-/]\d{2}\s\d{2}:\d{2}:\d{2}\s[-+]\d{4}\b')
>>> with open('mbox-short.txt') as f:
...     print(regex.findall(f.read()))
...     
['2008-01-04 18:08:50 -0500']

Answer 2

这是另一个解决方案。在

import re
numberExtractRegex = re.compile(r'(\d\d\d\d[-]\d\d[-]\d\d\s\d\d[:]\d\d[:]\d\d\s[-]\d\d\d\d)')
print(numberExtractRegex.findall('Date: 2008-01-04 18:08:50 -0500 (Fri, 04 Jan 2008), Date: 2010-01-04 18:08:50 -0500 (Fri, 04 Jan 2010)'))