Python 如何优化正则表达式以查找日/月/年格式的日期？

我目前正在阅读《自动化无聊的东西》一书，这是第7章的第一个实际问题：

编写一个正则表达式，可以检测DD/MM/YYYY格式的日期。假设天数从01到31，月份从01到12，年份从1000到2999。请注意，如果日期或月份是个位数，则它将有一个前导零

我想出了这个正则表达式，但我相信它可能比这个暴行简单得多：

r"^((([0-2]{1})\d{1})|([3][0,1]))\/(([0]{1}\d{1})|([1][0-2]))\/([1,2]\d{3})$"

“暴行”起作用，而且可能也相当有效。编写可读代码可能需要@Thomas所建议的内容——提取2、2、4位数字，然后进行范围检查

不过，您试图解决的练习是关于正则表达式的，所以我想这一暴行确实是您的答案。在实际情况下，我会使用它，但一定要记录我正在做的事情，可能会使用一个变量来存储正则表达式：

date_extract_re = re.compile("r"^((([0-2]{1})\d{1})|([3][0,1]))\/(([0]{1}\d{1})|([1][0-2]))\/([1,2]\d{3})$")

---

甚至是一条代码注释来说明我在做什么。

您的表达式的指定过度了

在

[0-2]

之后不需要

{1}

，因为它已经默认为匹配单个字符；这正是

[…]

的定义。同样地，

[3]

也不是必需的；单个字符

3

也匹配

[0,1]

是一个错误，因为它将匹配任何单个字符

0

、

、

或

1

——该逗号不应存在

在带括号的组中，使用OR

|

条时不需要添加更多括号：

（（[0-2]）\d）|（[3][01]）

可以是

（[0-2]\d | 3[01]）

。结束部分也不需要括号

您不需要转义

/

字符

有了这些变化，你最终会

r"^([0-2]\d|3[01])/(0\d|1[0-2])/[12]\d{3}$"

但是：它也匹配

00/00/2020

，因为

[0-2]\d

（天）和

0\d

（月）中的

\d

也可能是零。若要修复，请将

\d

更改为

[1-9]

：

r"^([0-2][1-9]|3[01])/(0[1-9]|1[0-2])/[12]\d{3}$"

但这仍然与不存在的日期相匹配，例如

31/04/2020

（4月31日）和

30/02/2020

（2月30日）。一个更隐蔽的案例是2019年2月29日（2019年2月29日）

在一系列的月份里剔除糟糕的天数是可能的，但最终你会遇到闰年的问题。这仍然可以用纯正则表达式“解决”，但必须包含一个长长的闰年值列表

让我们再仔细看看问题陈述：

假设天数从01到31，月份从01到12，年份从1000到2999。请注意，如果日期或月份是个位数，则它将有一个前导零

因此，它真正需要的是：

r"\d{2}/\d{2}/\d{4}$"

因为不要求验证日期。也就是说，例如，您的代码验证了day部分不是

99

——但您可以假设这永远不会发生

---

如上所述，验证日期最好使用实际代码，而不是正则表达式。

我不会在正则表达式中对范围进行编码，只是在之后检查它。然后就是

r'^\d{2}/\d{2}/\d{4}$'

。如果你像这样排除范围中不需要的部分[^32-99]，而不是定义实际的范围，那该怎么办呢。@我用方括号看不到这种范围。下面是regex101所说的：3匹配字符3（区分大小写）1-9在1（索引49）和9（索引57）（区分大小写）之间的单个字符9匹配字符9（区分大小写）@Meto:那么它将完全停止工作。格雷普不做计算。您的表达式的意思是“不是以下字符集中的一个：

23456789

”（它包含一些重复字符，但这些将被消除）。@Austin这正是我要说的：使用正则表达式进行解析，然后使用其他代码检查范围。比试图把所有东西塞进一个怪物正则表达式要简单得多，可读性也更高。谢谢你这么详细的回答！我只是想挑战自己，看看是否有可能在一个简单的正则表达式中验证日期。关于闰年和4月、6月、9月、11月，这是任务的第二部分，必须在不使用正则表达式的情况下完成。