正則表達式提取日期和特定字符串

Question

我在下面有一個文件名，我想提取year和_TEXT部分。

fle_2019-11-17A17-21-09.01(_TEXT).txt

我可以使用兩個正則表達式來做到這一點，然后加入結果。

(?<=\\_)(\\d{4})(?=\\-)這給了我year

(?<=\\()(.*)(?=\\))這給了我_TEXT

有沒有辦法從單個表達式中得到這個？

Answer 1

一種選擇是使用 2 個捕獲組。 根據您允許在第一個下划線之前匹配的內容，您可以例如使用字符類來匹配沒有下划線的單詞字符[^\\W_]+

^[^\W_]+_(\d{4})-[\w.-]+\(([^)]+)\)\.\w+$

在零件中

• ^字符串開始
• [^\\W_]+匹配 1+ 個單詞字符，除了_
• _匹配_
• (\\d{4})捕獲第 1 組，匹配 1+ 個數字
• -[\\w.-]+匹配-和 1+ 個單詞字符， . 或- （使用您允許匹配的內容擴展字符類
• \\(匹配(
  • ([^)]+)捕獲組 2 ，匹配 1+ 次任何字符，除了)
• \\)匹配)
• \\.\\w+匹配一個. 和 1+ 個字字符
• $字符串結尾

正則表達式演示| Python 演示

例如

import re

regex = r"^[^\W_]+_(\d{4})-[\w.-]+\(([^)]+)\)\.\w+$"
test_str = "fle_2019-11-17A17-21-09.01(_TEXT).txt"
print(re.findall(regex, test_str))

輸出

[('2019', '_TEXT')]

Answer 2

為了簡單起見，我們可以嘗試將re.findall與捕獲 4 位年份或文件名的交替使用：

file = "fle_2019-11-17A17-21-09.01(_TEXT).txt"
parts = re.findall(r'\d{4}(?=-\d{2})|(?<=\().*?(?=\))', file)
print(parts)

這打印：

['2019', '_TEXT']

我喜歡這種方法，因為輸出已經為年份和文件名生成了單獨的邏輯值。