匹配Python中固定长度和一次出现的字符和数字

Question

我在 Python 中有一个包含值的列表

['JUL_2018', 'AUG_2018', 'SEP_2018', 'OCT_2018', 'NOV_2018', 'DEC_2018', 'JAN_2019', 'FEB_2019', 'MAR_2019', 'APR_2019', 'MAY_2019', 'JUN_2019', 'MAT_YA_1', 'MAT_TY_1', 'YTD_YA_1', 'YTD_TY_1', 'L3M_YA_1', 'L1M_YA_1']

我只想匹配长度为 8 且下划线前有 3 个字符和下划线后有 4 个数字的字符串，因此我消除了不需要的值。 我只对上面列表中的 MMM_YYYY 值感兴趣。

在下面尝试过，我无法过滤像YTD_TY_1这样有多个下划线的值。

        for c in col_headers:
            d= (re.match('^(?=.*\d)(?=.*[A-Z0-9])[A-Z_0-9\d]{8}$',c))
            if d:
                data_period.append(d[0])

Answer 1

更新：基于@WiktorStribiżew 观察re.match不需要 Python 中的完整字符串匹配

我正在使用的正则表达式基于@dvo 在评论中提供的正则表达式：

import re

REGEX = '^[A-Z]{3}_[0-9]{4}$'
col_headers = ['JUL_2018', 'AUG_2018', 'SEP_2018', 'OCT_2018', 'NOV_2018', 'DEC_2018', 'JAN_2019', 'FEB_2019', 'MAR_2019', 'APR_2019', 'MAY_2019', 'JUN_2019', 'MAT_YA_1', 'MAT_TY_1', 'YTD_YA_1', 'YTD_TY_1', 'L3M_YA_1', 'L1M_YA_1']
regex = re.compile(REGEX)
data_period = list(filter(regex.search, col_headers))

再一次，根据@WiktorStribiżew 的评论，如果您不想匹配"SXX_0012"或"XYZ_0000" ，您应该使用他在评论中提供的正则表达式：

REGEX = r'^(?:JAN|FEB|MAR|APR|MAY|JUN|JUL|AUG|SEP|OCT|NOV|DEC)-[0-9]{4}$'

Answer 2

而不是为此使用正则表达式，您应该首先尝试将其解析为日期：

from datetime import datetime
date_fmt = "%b_%Y"
for c in col_headers:
    try:
        d = datetime.strptime(c, date_fmt)
        data_period.append(c) # Or just save the datetime object directly
    except ValueError:
        pass

Answer 3

此代码中实际上在您的解决方案中进行匹配的部分是

[A-Z_0-9\d]{8}

问题在于您要求准确找到 8 个字符，其中包括AZ 、 _ 、 0-9和\d 。 现在， \d相当于0-9 ，因此您可以消除它，但这并不能解决整个问题，这里的问题是您已将整个解决方案包含在括号[]中。 基本上，您的字符串将匹配任何长度为 8 个字符并包含上述字符的内容，即：A_19_KJ9

您需要做的是指定您需要 3 个AZ字符，然后是一个_ ，然后是 4 个\d ，见下文：

[A-Z]{3}_\d{4}

这将匹配任何恰好有 3 个AZ字符，然后是一个_ ，然后是 4 个\d （任何数字）

为了更好地理解正则表达式，我鼓励您使用在线工具，例如regex101