从Python字符串中提取年份

Question

我该如何在Python中解析以下内容以提取年份：

'years since 1250-01-01 0:0:0'

答案应该是1250。

- user308827

Answer 1

有许多方法可以做到这一点，以下是几个选项：

• 使用“模糊”模式中的dateutil解析器：

In [1]: s = 'years since 1250-01-01 0:0:0'

In [2]: from dateutil.parser import parse

In [3]: parse(s, fuzzy=True).year  # resulting year would be an integer
Out[3]: 1250

带有捕获组的正则表达式：

In [2]: import re

In [3]: re.search(r"years since (\d{4})", s).group(1)
Out[3]: '1250'

按“since”进行分割，然后再按破折号进行分割：

In [2]: s.split("since", 1)[1].split("-", 1)[0].strip()
Out[2]: '1250'

或者甚至是通过第一个破折号进行分割，并切割第一个子字符串：

In [2]: s.split("-", 1)[0][-4:]
Out[2]: '1250'

根据输入字符串的可能变化情况，后两个涉及更多的“移动部件”，可能不适用。

- alecxe

---

不知道“模糊匹配”。很棒。 - wim

不错！我也不知道这个。 - idjaw

Answer 2

你可以使用一个正则表达式，围绕着四个数字设置捕获组，并确保你的特定模式也在其中。我可能会寻找以下一些内容：

- 4个数字和一个捕获组 (\d{4}) - 连字符 - - 两个数字 \d{2} - 连字符 - - 两个数字 \d{2} 这将给出： (\d{4})-\d{2}-\d{2} 示例：

>>> import re
>>> d = re.findall('(\d{4})-\d{2}-\d{2}', 'years since 1250-01-01 0:0:0')
>>> d
['1250']
>>> d[0]
'1250'

如果你需要将它作为整数使用，只需将其强制转换为int类型即可：

>>> int(d[0])
1250

- idjaw

---

你不需要在开头加上\s。 - kame

Answer 3

以下正则表达式应该将四位数年份作为第一个捕获组提取出来：

^.*\(d{4})-\d{2}-\d{2}.*$

- Tim Biegeleisen