Python 如何使用正则表达式从给定Pandas DataFrame的指定列中提取包含不同日期格式的日期

你可能遇到的空间问题

我个人会用\s或\s+来代替" "号空格.这样一来，你 可以匹配所有类型的空格(和换行符).但你可以有更多的限制 并将其替换为horizontal whitespace chars=\h(在Python中似乎不可用，但等同于 [\t\x{00A0}\x{1680}\x{180E}\x{2000}\x{2001}\x{2002}\x{2003}\x{2004}\x{2005}\x{2006}\x{2007}\x{2008}\x{2009}\x{200A}\x{202F}\x{205F}\x{3000} ]).这份名单可能会减少.由你来决定是匹配一次还是不止一次.

具有捕获组的正则表达式

因为您可能必须在稍后解析日期，所以让我们捕获这一天， 在一些指定的捕获组中有月份和年份.我建议这样做:

regex = r"""
    \b # word boundary
    (?: # non-capturing group for the "or"
      # Short notation: 14-06-2022, 1-05-23
      (?P<short>
        (?P<short_day>\d{1,2})
        -
        (?P<short_month>\d{2})
        -
        (?P<short_year>\d{2}|\d{4})
      )
      | # Or
      # Text notation: 2 oktober 2023, 31 december 23
      (?P<text>
        (?P<text_day>\d{1,2}) # day
        \s+ # white spaces
        (?P<text_month>
          januari|februari|maart|april|mei|juni|juli|
          augustus|september|oktober|november|december
        )
        \s+ # white spaces
        (?P<text_year>\d{2}|\d{4}) # year with 2 or 4 digits, but not 3.
      )
    )
    \b # word boundary
    """
matches = re.finditer(regex, test_str, re.VERBOSE | re.IGNORECASE)

我使用了这些旗帜:

• x=re.VERBOSE.Ex已向/详细标志允许您将一些 在您的正则表达式中添加注释.

• i=re.IGNORECASE

对于年份，我认为\d{2,4}不是最好的，因为它将匹配3位数，而不是真正有效的年份值.我把它换成了\d{2}|\d{4}.

我还在周围添加了单词边界\b，以避免与 "1-06-123456"，可以是产品ID或其他任何东西.

你可以play with this regexCode Generator和 使用Code Generator测试Python代码.