修改正则表达式以匹配序数词“st”、“nd”、“rd”、“th”的日期

Question

如何修改下面的正则表达式以将日期与日期部分的序数相匹配？这个正则表达式匹配“Jan 1, 2003 | February 29, 2004 | October 02, 3202”，但我需要它也匹配：“Jan 1st, 2003 | February 29th, 2004 | October 02nd, 3202 | March 3rd, 2010”

^(?:(((Jan(uary)?|Ma(r(ch)?|y)|Jul(y)?|Aug(ust)?|Oct(ober)?|Dec(ember)?)\ 31)|((Jan(uary)?|Ma(r(ch)?|y)|Apr(il)?|Ju((ly?)|(ne?))|Aug(ust)?|Oct(ober)?|(Sept|Nov|Dec)(ember)?)\ (0?[1-9]|([12]\d)|30))|(Feb(ruary)?\ (0?[1-9]|1\d|2[0-8]|(29(?=,\ ((1[6-9]|[2-9]\d)(0[48]|[2468][048]|[13579][26])|((16|[2468][048]|[3579][26])00)))))))\,\ ((1[6-9]|[2-9]\d)\d{2}))

谢谢。

Answer 1

这将取决于您的用例，但为了实用主义，您最好只匹配任何匹配的内容：
(1) 任何月份名称或缩写；
(2) 空白；
(3) 任意一位或两位数字；
(4) 空白；
(5) 任意 st,nd,rd,th;
(6) 空格 OR 逗号 + 可选空格;
(7) 任意四位数字；

我不确定您要匹配什么，但如果我有 3001 年 1 月 35 日，我想我宁愿现在捕获它并稍后使其无效，而不是只需从一开始就跳过它即可。

此外，根据您的数据集，请考虑区分大小写问题和常见的国际英语变体，例如 1 Jan 2004 或 1st Jan, 2004 或 January, 2004 code> 等

添加换行符

^(?:j(?:an(?:uary)?|un(?:e)?|ul(?:y)?)?|feb(?:ruary)?|ma(?:r(?:ch)?|y)
|a(?:pr(?:il)?|ug(?:ust)?)|sep(?:t|tember)?|oct(?:ober)?|(?:nov|dec)(?:ember)?)  
\s+\d{1,2}(?:st|nd|rd|th)?(?:\s+|,\s*)\d{4}\b

更实用（并且可读），除非您有一个非常奇怪的数据集，否则允许在公共前缀之后添加任何内容：

(?:jan|feb|mar|apr|may|jun|jul|aug|sep|oct|nov|dec)[a-z]*?\s+\d{1,2}(?:[a-z]{2})?(?:\s+|,\s*)\d{4}\b

这会匹配 <代码>八旬老人99xx，0000？是的。这可能是一个问题吗？我对此表示怀疑。

Answer 2

那个正则表达式做得太多了。您最好使用您语言中的 strptime() 等效项。但是，下面的正则表达式将匹配序数：

^(?:(((Jan(uary)?|Ma(r(ch)?|y)|Jul(y)?|Aug(ust)?|Oct(ober)?|Dec(ember)?)\ 31(st)?)|((Jan(uary)?|Ma(r(ch)?|y)|Apr(il)?|Ju((ly?)|(ne?))|Aug(ust)?|Oct(ober)?|(Sept|Nov|Dec)(ember)?)\ (0?[1-9]|([12]\d)|30))(st|nd|rd|th)?|(Feb(ruary)?\ (0?[1-9]|1\d|2[0-8]|(29(th)?(?=,\ ((1[6-9]|[2-9]\d)(0[48]|[2468][048]|[13579][26])|((16|[2468][048]|[3579][26])00)))))(st|nd|rd|th)?))\,\ ((1[6-9]|[2-9]\d)\d{2}))

请注意，它也会匹配“20nd”之类的内容，但在实际数据中遇到这种情况的可能性太低，在大多数情况下无需关心。