python - 查找两个标签之间的有效日期

Question

给定一个非结构化 HTML 文本，其中包含一些格式为 '%b %d' 的日期值和一些约束（见下文），您认为哪种方法最合适：

• 使用正则表达式？
• 手动解析？
• 拿一些python日期库？

这是 HTML 文本的摘录：

text = '...some text ...>Jan 29 AMC<...some text ...'

我正在寻找提取部分：

• 以 > 开头
• 然后是 3 个字母（即月份）
• 然后是空白
• 然后2位数
• 然后是 AMC 或 BMO 这个词
• 然后 <

标签： pythonhtmlregexdate

Answer 1

使用这个正则表达式：

<.*?>(\w{3}\s\d{2}\s(AMC|BMO))

* 请注意，该模式可以让您获得非月模式！否则你必须手动设置它们。

<.*?>((Jan|Feb|....)\s\d{2}\s(AMC|BMO))

演示

蟒蛇代码：

import re 

reg = r'<.*?>(\w{3}\s\d{2}\s(AMC|BMO))'
text = '<...some text ...>Jan 29 AMC</...some text ...>'
Res = re.findall(reg,text)
if len(Res) != 0:
    for r in Res:
        print(r[0])

或者

import re 

reg = r'<.*?>(\w{3}\s\d{2}\s(AMC|BMO))'
text = '<...some text ...>Jan 29 AMC</...some text ...>'
Res = re.match(reg,text)
if Res:
    print ('Valid')