Python 中的正则表达式使用月份缩写

Question

我有几千行，例如：

"The sequence 1,-2,-1,2,1,-2,-1,2,... with g.f. (1-2x)/(1+x^2) has a(n) = cos(Pi*n/2)-2*sin(Pi*n/2). - Paul Barry, Oct 18 2004"

我需要找到显示为 'Aug 03' 等缩写的日期的位置（如果有的话）。出于这个原因，我编写了一个函数 _find_all_positions，它在 for 循环中将一个字符串和一个从 'Jan 01' 到 'Dec 31' 的日期说明符作为输入。

def _add_zero(value: int) -> str:
   """add zero to number with digits < 2"""
   value_str = str(value)
   digits = len(value_str)
   if digits < 2:
       value_str = '0' + value_str
   return value_str
    
def get_date() -> list:
    """Get dates for author(s) search, from ' Jan 01' to ' Dec 31' """
    dates = list()
    months = ['Jan', 'Feb', 'Mar', 'Apr', 'May', 'Jun', 'Jul', 'Aug', 'Sep', 'Oct', 'Nov', 'Dec']
    for month in months:
        for day in range(1, 32):
            dates.append(' ' + month + ' ' + ParserUtilities._add_zero(day))
    return dates

def _find_all_positions(string: str, sub: str):
    """Find all occurrences of a substring in a string"""
    start = 0
    while True:
        start = string.find(sub, start)
        if start == -1:
            return
        yield start
        start += len(sub)  # use start += 1 to find overlapping matches

任务很慢，我想知道 Regular Expression 是否可以加快搜索速度

Answer 1

这里有一个 regex 的方法，它看起来是一个大写字母，后面跟着 2 个小写字母。然后是 space 和 2 位数字：

import calendar
import re

# first one is empty string, we slice that
months = tuple(calendar.month_abbr)[1:]  # ("Jan", "Feb", ...)

pattern = re.compile(r"[A-Z][a-z]{2} \d{2}")

result = [match.start()
          for match in re.finditer(pattern, seq)
          if match.group().startswith(months)]

给出问题中字符串的 [111]。 re.finditer 查找所有可能的匹配项和 returns 一个迭代器，迭代器在迭代时给出一个 re.Match 对象，我们查询其 start 方法以获取匹配项的位置。由于 [A-Z][a-z]{2} 可以匹配除月份以外的其他月份，因此我们检查匹配是否以任何月份开头。如果找不到匹配项，result 将是一个空列表。

Answer 2

您可以将所有月份放在一个正则表达式中：

def find_all_positions(text):
    for match in re.finditer('(Jan|Feb|Mar|Apr|May|Jun|Jul|Aug|Sep|Oct|Nov|Dec) ([012][0-9]|30|31)', text):
        yield math.start()

Python 中的正则表达式使用月份缩写

Regular Expression in Python using months abbreviation

python

python-re