查找两个标签之间的有效日期

Question

给出一个非结构化的HTML文本，其中包含一些格式为'％b％d'的日期值，并带有一些约束（请参见下文），您认为哪种方法最合适：

• 使用regix吗？
• 手动解析？
• 带一些python日期库吗？

这是HTML文本的摘录：

text = '...some text ...>Jan 29 AMC<...some text ...'

我想提取零件：

• 以>
开头
• 然后3个字母（即月份）
• 然后空白
• 然后输入2位数字
• 然后输入AMC或BMO
• 然后是<< / li>

Answer 1

使用此正则表达式：

<.*?>(\w{3}\s\d{2}\s(AMC|BMO))

*请注意，该模式可以使您获得非月模式！否则，您必须手动设置它们。

<.*?>((Jan|Feb|....)\s\d{2}\s(AMC|BMO))

Demo

Python代码：

import re 

reg = r'<.*?>(\w{3}\s\d{2}\s(AMC|BMO))'
text = '<...some text ...>Jan 29 AMC</...some text ...>'
Res = re.findall(reg,text)
if len(Res) != 0:
    for r in Res:
        print(r[0])

或

import re 

reg = r'<.*?>(\w{3}\s\d{2}\s(AMC|BMO))'
text = '<...some text ...>Jan 29 AMC</...some text ...>'
Res = re.match(reg,text)
if Res:
    print ('Valid')

Answer 2

对于我标记为重复的问题，您也可以按照dateutil.parser()的说明使用this answewr。

import dateutil.parser as DateParser
from datetime import datetime

text = '...sometext...>Jan 29 AMC<...sometext...'
parsed_date = DateParser.parse(text, fuzzy=True)
print(parsed_date)
#2019-01-29 00:00:00

注意 这与您提到的模式匹配无关，但确实为您提供了一个日期，如果找到多个日期，它也会返回多个日期。但这确实有些猜测。