Python正則表達式匹配日期

我在美國衆議院刮印和保存（作爲逗號分隔的文本文件）有關唱名錶決的信息。Python正則表達式匹配日期

生成的文件中的每一行都採用以下形式：

點名號碼，比爾，日期，代表投票，總贊成票，總該院

在那裏我遇到了麻煩刮日期從2001年11月1日（點名414）開始。不匹配2001年11月1日，正則表達式匹配不正確或中斷。在第一種情況下，它匹配字符串'-AND-'。文本在＃414和＃415之間變化，以包含字符串'YEAS-AND-NAYS'。

我打賭我寫了錯誤的正則表達式，但我沒有看到它。我需要改變什麼來匹配日期呢？相關代碼如下。

import urllib2, datetime, sys, re, string 
import xml.etree.ElementTree as ET 

for i in range(414,514): 
    if i < 10: 
     num_string = "00"+str(i) 
    elif i < 100: 
     num_string = "0"+str(i) 
    elif i > 100: 
     num_string = str(i) 
    print num_string, datetime.datetime.now() 
    url = "http://clerk.house.gov/evs/2001/roll"+num_string+".xml" 
    text = urllib2.urlopen(url).read() 
    tree = ET.fromstring(text) 
    notags = ET.tostring(tree, encoding="utf8", method="text") 
    dte = re.search(r'[0-9]*-[A-Za-z]*-[0-9]*', notags).group() 
    print dte

來源

2014-03-01 mpritche

使用'datetime'模塊解析日期更容易。您可以指定一個比正則表達式更清晰的自定義格式 – slezica

只是一個快速點：因爲數字是必需的，所以您可能至少需要'r'[0-9] + - [A-Za-z] * - [0 -9] +''所以這些模式元素不能匹配空字符串。由於年份始終（？）包含四位數字，您甚至可以使用'r'[0-9] * - [A-Za-z] * - [0-9] {4}''。 – holdenweb

您正在使用與日期匹配的正則表達式解析整個XML文檔 - BAD IDEA（tm）。首先提取相關的元素，然後用正則表達式解析。提示：找到''元素並解析其中的文本。 – isedev

使用正則表達式對XML文檔是不是一個好主意（嚴重）。

通過從相關XML元素中提取日期（我已經使用lxml.etree而不是xml.etree.ElementTree，但原理相同），您可以在沒有任何正則表達式的情況下實現所需的結果。

此外，我添加了一個更簡單的方法來生成一個3位數字（如果需要，前導0）。

import urllib2, datetime, sys, string 
import lxml.etree 

for i in range(414,416): 
    num_string = '{:03d}'.format(i) 
    print num_string, datetime.datetime.now() 
    url = "http://clerk.house.gov/evs/2001/roll"+num_string+".xml" 
    xml = lxml.etree.parse(urllib2.urlopen(url)) 
    root = xml.getroot() 
    actdate = root.xpath('//action-date')[0] 
    dte = actdate.text.strip() 
    print dte

如果你堅持使用正則表達式，然後[0-9]+-[A-Za-z]+-[0-9]+會更好，因爲它保證至少一個數字，然後按破折號後面至少一個字母后跟破折號後面至少一個數字（如holdenweb提到在他的評論中）。

來源

2014-03-01 22:30:15 isedev

這工作很好。我感到很傻，我甚至沒有考慮利用現有的結構。 – mpritche

Python正則表達式匹配日期

回答

相關問題