python - 用于排除特定字符串的 REGEX 模式

Question

我有一个具有这种格式的字符串：

some text <br>septembar 1989<br>

我正在使用这个正则表达式找到月份和年份部分

<br/?>(?!=b\.)(.*?\b\d{4}\b)

我得到了我想要的——septembar 1989

但是，我现在有<br>插入时的情况

<br>some text <br>septembar 1989<br>

结果：some text <br>septembar 1989

您能否建议如何修改我现有的模式以支持这两种情况？我想我需要以某种方式排除<br>匹配.*?

Answer 1

我写了一个简单的代码，可能对您有所帮助：

import re
def getDate(str):
 m = re.match("[\<br>]*[\w\s]*\<br>([\w\s]*[12][0-9]{3})",str);
 return m.group(1)

print getDate("some text <br>dec 1989<br>");
print getDate("<br> some text <br>septembar 1989<br>");
print getDate("grijesh chuahan <br>feb 2009<br>");

输出：

dec 1989
septembar 1989
feb 2009

Answer 2

尝试这个

<br/?>([^<]+)\d{4}

[^<]表示匹配除您想要的开始标签之外的任何内容。

Answer 3

import re

ss = 'dfgqeg<br>some text <br>septembar 1989<br>'

reg = re.compile('<br(?: /)?>'
                 '(?!.+?<br(?: /)?>.+?<br(?: /)?>)'
                 '(.+?\d{4})'
                 '<br(?: /)?>')

print reg.search(ss).group(1)

.

• '<br(?: /)?>'捕获<br>和<br />发生

.

• '(?!.+?<br(?: /)?>.+?<br(?: /)?>)'是一个前瞻断言，
  它验证在它在分析文本中开始的位置之后，没有描述为连续的字符集：

  • .+? 任何类型的字符，但?该部分必须在遇到<br>或<br />遇到时 立即停止的命令
  • <br>或者<br />
  • 再次出现任何类型的字符之前<br>或<br />
  • <br>或者<br />