正則表達式查找不包含某些字符的數字

Question

我目前有一個文本字段，其中包含有關將用於計划目的的時間的信息。 由於它是文本字段，因此數據是非結構化的，並且具有許多不同的格式。 數據示例包括：

• 周一至周六6-7：30pm
• 星期二/星期四5:00-6:30
• M / T / W 3:30 -7
• F 4-5

因此，我試圖編寫一個解析器以將其轉換為可用的數據點。 我目前正在研究時間部分。 為了構造數據並能夠將其傳遞到dateutil解析器中，我想一直“填寫”。 6將變為6：00，7將變為7:00，以此類推。為此，我嘗試使用正則表達式：

reg = re.compile('[\d]([^:]|$)')

這個想法是要得到在它之后或在行末沒有數字的任何數字。 但是，我意識到這將獲得太多的數據點，因為在第一個示例中它將獲得7:30的“ 3”和7:30的0。

將數據轉換為可用格式的更好方法是什么？

Answer 1

我將分兩階段進行，利用re.split一個有趣的功能， re.split示例數據：

line1 = 'Mon-Wed 6-7:30pm'
line2 = 'Tuesday/Thurs 5:00 - 6:30'
line3 = 'M/T/W 3:30 -7'
line4 = 'F 4-5'

功能：

def add_zeros(line):
    parts = re.split(r'(\d{1,2}:\d{1,2})',line)
    parts[::2] = [re.sub(r'(\d{1,2})',r'\1:00',p) for p in parts[::2]]
    return ''.join(parts)

用法：

print(add_zeros(line1)) # Mon-Wed 6:00-7:30pm
print(add_zeros(line2)) # Tuesday/Thurs 5:00 - 6:30
print(add_zeros(line3)) # M/T/W 3:30 -7:00
print(add_zeros(line4)) # F 4:00-5:00

說明：

我給re.sub的第一個參數。 re.split給出了一個list其中奇數索引的元素為分隔符 。 使用我在re.split使用的模式， 分隔符為“就緒”小時（不需要零填充）。 然后，我在列表的每個偶數索引元素（非“就緒”小時）上使用re.sub ，將每個1或2位數字視為一個小時，然后將其替換為數字，然后加上:00

Answer 2

您可以使用負向后看和負向前看(?<!(:)\\d)\\d(?!(:|\\d)) https://regex101.com/r/nAQh3e/4這將選擇數字之前或之后沒有數字並且還沒有的數字:

Answer 3

我認為用占位符替換正確的時間后，找到錯誤的時間會容易得多。 然后，我們可以糾正錯誤的時間格式，然后再次將占位符替換為實際時間

這是簡單的實現，您可以根據需要進行調整

import re

texts = ["Mon-Wed 6-7:30pm",
"Tuesday/Thurs 5:00 - 6:30",
"M/T/W 3:30 -7",
"F 4-5",]

def get_placeholder_replacer(replaced_strings):
    def replace_with_placeholder(x):
        replaced_strings.append(x[0])
        return "{}"
    return replace_with_placeholder


ptrn_correct_time = re.compile(r"\d+:\d+")
ptrn_incorrect_time = re.compile(r"\d{1,2}")

for text in texts:
    replaced_strings = []
    placeholder_replacer = get_placeholder_replacer(replaced_strings)
    new_text = ptrn_correct_time.sub(placeholder_replacer,text)
    new_text = ptrn_incorrect_time.sub(lambda x: "{}:00".format(x[0]), new_text)

    print(new_text.format(*replaced_strings))

## Output
# Mon-Wed 6:00-7:30pm
# Tuesday/Thurs 5:00 - 6:30
# M/T/W 3:30 -7:00
# F 4:00-5:00