使用Regex re.sub刪除包含指定單詞之前的所有內容

Question

我有一個字符串，看起來像“Blah blah blah，Updated：2012年8月23日”，我希望使用正則表達式來提取Aug. 23, 2012的日期。 我發現堆棧中的一篇文章有​​類似的東西： 正則表達式刪除一個字符前的所有文本 ，但是當我嘗試時它也不起作用

date_div = "Blah blah blah, Updated: Aug. 23, 2012"
extracted_date = re.sub('^[^Updated]*',"", date_div)

我怎樣才能刪除所有內容，包括更新內容，以便僅剩下Aug. 23, 2012 ？

謝謝！

Answer 1

在這種情況下，您可以使用正則表達式執行此操作，例如：

>>> date_div = "Blah blah blah, Updated: Aug. 23, 2012"
>>> date_div.split('Updated: ')
['Blah blah blah, ', 'Aug. 23, 2012']
>>> date_div.split('Updated: ')[-1]
'Aug. 23, 2012'

Answer 2

你可以使用Lookahead：

import re
date_div = "Blah blah blah, Updated: Aug. 23, 2012"
extracted_date = re.sub('^(.*)(?=Updated)',"", date_div)
print extracted_date

OUTPUT

Updated: Aug. 23, 2012

編輯
如果下面的MattDMo評論是正確的，你想要刪除“更新：”，你可以這樣做：

extracted_date = re.sub('^(.*Updated: )',"", date_div)

Answer 3

使用正則表達式，您可以使用兩個正則表達式，具體取決於單詞的出現次數：

# Remove all up to the first occurrence of the word including it (non-greedy):
^.*?word
# Remove all up to the last occurrence of the word including it (greedy):
^.*word

查看非貪婪的正則表達式演示和貪婪的正則表達式演示 。

^匹配字符串位置的開頭， .*? 匹配任何0+字符（注意使用re.DOTALL標志，以便.可以匹配換行符）盡可能少 （ .*盡可能多地匹配）然后word匹配和消耗（即添加到匹配並推進正則表達式）索引）這個詞。

注意，這里使用的re.escape(up_to_word)如果你的up_to_word並不是由唯一的字母數字和下划線字符，它是使用更安全re.escape使特殊字符像( ， [ ， ?等無法阻止的正則表達式從找到有效的匹配。

查看Python演示 ：

import re

date_div = "Blah blah\nblah, Updated: Aug. 23, 2012 Blah blah Updated: Feb. 13, 2019"

up_to_word = "Updated:"
rx_to_first = r'^.*?{}'.format(re.escape(up_to_word))
rx_to_last = r'^.*{}'.format(re.escape(up_to_word))

print("Remove all up to the first occurrence of the word including it:")
print(re.sub(rx_to_first, '', date_div, flags=re.DOTALL).strip())
print("Remove all up to the last occurrence of the word including it:")
print(re.sub(rx_to_last, '', date_div, flags=re.DOTALL).strip())

輸出：

Remove all up to the first occurrence of the word including it:
Aug. 23, 2012 Blah blah Updated: Feb. 13, 2019
Remove all up to the last occurrence of the word including it:
Feb. 13, 2019