从大字符串中提取时间戳

Question

我有一个像这样的大字符串：

SEND OK HTTP/1.1 200 OK 
Access-Control-Allow- l-Allow-Methods: GET,POST,DELETE
Access-Control-Allow-Headers: X-Requested-With,
Phant-Private-Key Content-Type: text/plain X-Rate-Limit-Limit: 300
X-Rate-Limit-Remaining: 297
X-Rate-Limit-Reset: 1452931335.777
Date: Sat, 16 Jan 2016 07:50:17 GMT 
Set-Cookie: SERVERID=; Expires=Thu, 01-Jan-197 0 00:00:01 GMT; path=/ Cache-control: private
Transfer-Encoding: chunked

它包含类似Sat, 16 Jan 2016 07:50:17 GMT这样的字符串。该字符串可以是任何时间。 我想从整体上考虑这个字符串。 我知道这是一个非常基本的问题，但是如何在python中做到这一点。

字符串并不总是包含子字符串，例如Date: ：。

Answer 1

采用

import re
datepattern = re.compile("\w{3}, \d{2} \w{3} \d{4} \d{2}:\d{2}:\d{2} \w{3}")
matcher = datepattern.search(string_to_match_against)
print(matcher.group(0))

以你的例子

string_to_match_against = """
SEND OK HTTP/1.1 200 OK 
Access-Control-Allow- l-Allow-Methods: GET,POST,DELETE
Access-Control-Allow-Headers: X-Requested-With,
Phant-Private-Key Content-Type: text/plain X-Rate-Limit-Limit: 300
X-Rate-Limit-Remaining: 297
X-Rate-Limit-Reset: 1452931335.777
Date: Sat, 16 Jan 2016 07:50:17 GMT 
Set-Cookie: SERVERID=; Expires=Thu, 01-Jan-197 0 00:00:01 GMT; path=/ Cache-control: private
Transfer-Encoding: chunked
"""

我们会打印

Sat, 16 Jan 2016 07:50:17 GMT

似乎您正在尝试匹配http标头，并且（根据“ HTTP：Pocket Reference”，O'Reilly，2000年），Date标头可能有三种日期格式：

1. RFC 1123（星期一，1996年5月6日04:57:00 GMT）-这是您的示例
2. RFC 1036（星期一，96年5月6日04:57:00 GMT）
3. ANSI C asctime（）（1996年5月6日星期一04:57:00）

建议使用RFC1123，但是如果我们希望匹配这三种可能性中的任何一种，我们需要设计一个正则表达式，可以在这三种可能性之间进行选择

import re
pat1123 = "\w{3}, \d{2} \w{3} \d{4} \d{2}:\d{2}:\d{2} \w{3}"
pat1036 = "\w+?, \d{2}-\w{3}-\d{2} \d{2}:\d{2}:\d{2} \w{3}"
patc = "\w{3} \w{3} \d+? \d{2}:\d{2}:\d{2} \d{4}"
datepattern = re.compile("(?:%s)|(?:%s)|(?:%s)"%(pat1123,pat1036,patc))
matcher = datepattern.search(string_to_match_against)
print(matcher.group(0))

请注意，此方法不依赖于存在的任何内容（提取日期除外）（我们不需要Date：文本）。 如果出现多个这样的日期，它将找到第一个。 如果需要多个，请使用datepattern.findall 。

Answer 2

使用您提供的样本，您可以像这样进行处理；

import re

s = """
> SEND OK HTTP/1.1 200 OK 
> Access-Control-Allow- l-Allow-Methods: GET,POST,DELETE
> Access-Control-Allow-Headers: X-Requested-With,
> Phant-Private-Key Content-Type: text/plain X-Rate-Limit-Limit: 300
> X-Rate-Limit-Remaining: 297
> X-Rate-Limit-Reset: 1452931335.777
> Date: Sat, 16 Jan 2016 07:50:17 GMT 
> Set-Cookie: SERVERID=; Expires=Thu, 01-Jan-197 0 00:00:01 GMT; path=/ Cache-control: private
> Transfer-Encoding: chunked
"""

pat = re.compile(r'Date:([\s\w,:]+)')

print pat.search(s).group(1).strip()

输出：

'Sat, 16 Jan 2016 07:50:17 GMT'

Answer 3

使用请求模块

import requests

r = requests.get('http://www.google.com')
if r.status_code == 200:
    print(r.headers['date'])

Answer 4

如果每个设置/属性（例如X-Rate-Limit-Reset ， Date等）始终出现在字符串中并且始终以相同的顺序出现，则可以split()多次：

>>> mystring.split('Date: ')[1].split('>')[0].strip()
'Sat, 16 Jan 2016 07:50:17 GMT'

如果不是，则可以创建一个简单的正则表达式来查找特定行：

>>> re.search(r'Date:\s*(.*?)\s*>', mystring).group(1)
'Sat, 16 Jan 2016 07:50:17 GMT'