python - 正则表达式匹配一些子字符串，同时忽略看似相同的子字符串？

Question

我有许多字符串，其中包含类似于 FRI, 24-MAR-2017 的子字符串。我创建了以下内容来捕获这些内容并分别删除 FRI, 并将日期重新排序为 2017-MAR-24:

t = re.sub(r'\b((Mon|Tue|Wed|Thu|Fri|Sat|Sun), (0[1-9]|1[012])-([A-Z]+)-(\d{4}))\b', r'\5-\4-\3', temp)

然而，虽然这或多或少有效，但由于未知的原因，一些字符串似乎被忽略，并且通过此检查不受影响。我已经使用 \s 和 . 进行了测试，但无济于事。

可以正常通过的字符串是:Sat, 01-APR-2017

不匹配的字符串是:Thu, 13-APR-2017

这是一些输出的副本来说明(请注意，我将每个字符串打印两次；一次在上面的 re.sub 之前，一次在之后)

Wed, 29-MAR-2017||Thu, 30-MAR-2017
Wed, 29-MAR-2017||Thu, 30-MAR-2017

Sat, 01-APR-2017||Sun, 02-APR-2017
2017-APR-01||2017-APR-02||Yes|Yes

附加信息:输入是使用 selenium 和 beautifulsoup 从网站的表格中读取的，尽管 HTML 中没有任何内容表明应该存在不可见或其他模糊字符；整个过程都是一模一样的。

Answer 1

正则表达式中的 (0[1-9]|1[012]) 部分匹配从 00 到 12 的数字，即是，月。

将其替换为(0[1-9]|[12][0-9]|3[01]):

• ( - 分组构造开始
  • 0[1-9] - 01 到 09
  • | - 或
  • [12][0-9] - 10 到 29
  • | - 或
  • 3[01] - 30 或 31。

这样，您将匹配从 01 到 31 的天。