Python如使用正则表达式匹配提取文章日期

import re

# 匹配 YYYY-MM-DD 或 YYYY/MM/DD
pattern1 = r'\b\d{4}[-/]\d{2}[-/]\d{2}\b'

# 匹配 DD-MM-YYYY 或 DD/MM/YYYY
pattern2 = r'\b\d{2}[-/]\d{2}[-/]\d{4}\b'

# 匹配 MM-DD-YYYY 或 MM/DD/YYYY
pattern3 = r'\b\d{2}[-/]\d{2}[-/]\d{4}\b'

# 匹配 May 15, 2023 或 15 May 2023
month_names = r'(Jan(?:uary)?|Feb(?:ruary)?|Mar(?:ch)?|Apr(?:il)?|May|Jun(?:e)?|' \
              r'Jul(?:y)?|Aug(?:ust)?|Sep(?:tember)?|Oct(?:ober)?|Nov(?:ember)?|Dec(?:ember)?)'

pattern4 = rf'\b(?:{month_names})\s\d{1,2},\s\d{{4}}\b'  # May 15, 2023
pattern5 = rf'\b\d{{1,2}}\s(?:{month_names})\s\d{{4}}\b'  # 15 May 2023

# 匹配 2023年5月15日 或 2023年05月15日
pattern6 = r'\b\d{4}年\d{1,2}月\d{1,2}日\b'

import re

date_pattern = re.compile(
    r'''(
        # ISO格式或数字分隔格式
        \b\d{4}[-/]\d{2}[-/]\d{2}\b|
        \b\d{2}[-/]\d{2}[-/]\d{4}\b|
        
        # 带月份名称的格式
        (?:Jan(?:uary)?|Feb(?:ruary)?|Mar(?:ch)?|Apr(?:il)?|May|Jun(?:e)?|
        Jul(?:y)?|Aug(?:ust)?|Sep(?:tember)?|Oct(?:ober)?|Nov(?:ember)?|Dec(?:ember)?)
        \s\d{1,2},\s\d{4}|
        
        \d{1,2}\s
        (?:Jan(?:uary)?|Feb(?:ruary)?|Mar(?:ch)?|Apr(?:il)?|May|Jun(?:e)?|
        Jul(?:y)?|Aug(?:ust)?|Sep(?:tember)?|Oct(?:ober)?|Nov(?:ember)?|Dec(?:ember)?)
        \s\d{4}|
        
        # 中文日期格式
        \d{4}年\d{1,2}月\d{1,2}日
    )''', re.VERBOSE
)

precise_date_pattern = re.compile(
    r'''(
        # YYYY-MM-DD (ISO格式)
        \b(19|20)\d{2}-(0[1-9]|1[0-2])-(0[1-9]|[12]\d|3[01])\b|
        
        # DD/MM/YYYY 或 DD-MM-YYYY (欧洲格式)
        \b(0[1-9]|[12]\d|3[01])[-/](0[1-9]|1[0-2])[-/](19|20)\d{2}\b|
        
        # MM/DD/YYYY 或 MM-DD-YYYY (美国格式)
        \b(0[1-9]|1[0-2])[-/](0[1-9]|[12]\d|3[01])[-/](19|20)\d{2}\b|
        
        # 带月份名称的格式
        (?:Jan(?:uary)?|Feb(?:ruary)?|Mar(?:ch)?|Apr(?:il)?|May|Jun(?:e)?|
        Jul(?:y)?|Aug(?:ust)?|Sep(?:tember)?|Oct(?:ober)?|Nov(?:ember)?|Dec(?:ember)?)
        \s(0[1-9]|[12]\d|3[01]),\s(19|20)\d{4}|
        
        (0[1-9]|[12]\d|3[01])\s
        (?:Jan(?:uary)?|Feb(?:ruary)?|Mar(?:ch)?|Apr(?:il)?|May|Jun(?:e)?|
        Jul(?:y)?|Aug(?:ust)?|Sep(?:tember)?|Oct(?:ober)?|Nov(?:ember)?|Dec(?:ember)?)
        \s(19|20)\d{4}|
        
        # 中文日期格式
        (19|20)\d{2}年(0[1-9]|1[0-2])月(0[1-9]|[12]\d|3[01])日
    )''', re.VERBOSE
)

import re

text = """
以下是不同格式的日期示例：
会议将于2023-05-15举行。
发布日期是05/15/2023。
欧洲格式的日期是15-05-2023。
新闻发布于May 15, 2023。
生日是15 May 2023。
中文日期示例：2023年5月15日。
无效日期示例：2023-02-30（不应匹配）。
"""

# 使用综合正则表达式
matches = precise_date_pattern.finditer(text)
for match in matches:
    print(f"找到日期: {match.group()} (位置: {match.start()}-{match.end()})")

const text = `
以下是不同格式的日期示例：
会议将于2023-05-15举行。
发布日期是05/15/2023。
欧洲格式的日期是15-05-2023。
新闻发布于May 15, 2023。
生日是15 May 2023。
中文日期示例：2023年5月15日。
无效日期示例：2023-02-30（不应匹配）。
`;
// 更简单的正则表达式（可根据需要调整）
const dateRegex = /\b(?:\d{4}[-/]\d{2}[-/]\d{2}|\d{2}[-/]\d{2}[-/]\d{4}|(?:Jan(?:uary)?|Feb(?:ruary)?|Mar(?:ch)?|Apr(?:il)?|May|Jun(?:e)?|Jul(?:y)?|Aug(?:ust)?|Sep(?:tember)?|Oct(?:ober)?|Nov(?:ember)?|Dec(?:ember)?)\s\d{1,2},\s\d{4}|\d{1,2}\s(?:Jan(?:uary)?|Feb(?:ruary)?|Mar(?:ch)?|Apr(?:il)?|May|Jun(?:e)?|Jul(?:y)?|Aug(?:ust)?|Sep(?:tember)?|Oct(?:ober)?|Nov(?:ember)?|Dec(?:ember)?)\s\d{4}|\d{4}年\d{1,2}月\d{1,2}日)\b/g;
let matches;
while ((matches = dateRegex.exec(text)) !== null) {
    console.log(`找到日期: ${matches[0]} (位置: ${matches.index})`);
}

datetime_pattern = re.compile(
    r'''(
        \b(19|20)\d{2}-(0[1-9]|1[0-2])-(0[1-9]|[12]\d|3[01])
        \s(2[0-3]|[01][0-9]):[0-5][0-9](?::[0-5][0-9])?\b|
        
        # 其他日期时间格式...
    )''', re.VERBOSE
)

date_range_pattern = re.compile(
    r'''(
        \b(19|20)\d{2}-(0[1-9]|1[0-2])-(0[1-9]|[12]\d|3[01])
        \s(?:to|-|\s)\s
        (19|20)\d{2}-(0[1-9]|1[0-2])-(0[1-9]|[12]\d|3[01])\b
    )''', re.VERBOSE
)