python - Azure 路径中日期为字符串的正则表达式

Question

我有很多文件夹(在 Microsoft Azure 数据湖中)，每个文件夹都以日期命名，格式为“ddmmyyyy”。一般来说，我使用正则表达式来提取一年中某个月份的所有文件夹的所有文件

path_data="/mnt/data/[0-9]*032022/data_[0-9]*.json" # all folders of all days of month 03 of 2022
result=spark.read.json(path_data)

我现在的问题是提取与给定日期之前一年完全匹配的所有文件夹

例如:日期 14-03-2022；我需要一个正则表达式来自动读取 2021 年 3 月 14 日到 2022 年 3 月 14 日之间所有文件夹的所有文件。

我尝试使用字符串提取变量中的月份和年份，然后在尊重条件的正则表达式中使用这两个字符串(对于所示示例，当年份等于 2021 时，月份应大于 03；当年份等于 2021 时，月份应小于 03等于 2022 年)。我尝试了类似的操作(同时将变量替换为 03、2021 和 2022)。

date_regex="([0-9]{2}[03-12]2021)|([0-9]{2}[01-03]2022)" 

有没有任何提示我如何执行这样的任务!

提前致谢

Answer 1

如果我正确理解你的问题。

要从文件名字段查找 ??-03-2021 和 ??-03-2022 之间的日期，您可以使用以下正则表达式

date_regex="([0-9]{2}-03-2021)|([0-9]{2}-03-2022)"

此外，如果您想要更加自定义，最好应用下面链接中的更改并利用它

https://regex101.com/r/AgqFfH/1

更新:提取日期在 14032021 到 14032022 之间的任何文件夹

解决方案:首先我们用ridge提取ddmmyyyy格式的日期，然后我们给出文件，假设我们的格式正确并且在其中找到了这样的短语。

date_regex="((0[1-9]|1[0-9]|2[0-8])|(0[1-9]|1[012]))"
if re.find(r"((0[1-9]|1[0-9]|2[0-8])|(0[1-9]|1[012]))") > 14032021 and re.find(r"((0[1-9]|1[0-9]|2[0-8])|(0[1-9]|1[012]))") < 14032022
..do any operation..

上面的代码只是通宵代码，供您概述解决方案方法。

首先，我们使用正则表达式提取 ddmmyyyy 格式的日期，然后假设我们的格式正确并且在其中找到了这样的短语，则提供文件。

我希望这个解决方案有所帮助。