Python 在html中查找dd.mm.yyyy

我正在尝试在html源中查找格式为dd.mm.yyyy的所有日期，例如：

     <span id="publisher" itemprop="Publisher" data-source="LE MONDE">Le Monde</span>
 |    <time datetime="2018-05-30T10:44:42+02:00"
        itemprop="datePublished">30.05.2018 &agrave; 10h44</time>
 • Mis à jour le
<time datetime="2018-05-31T13:54:38+02:00"
        itemprop="dateModified">31.05.2018 &agrave; 13h54</time>
        |
<span class="signature_article">
Par      <span itemprop="author" class="auteur txt2_120">            <a class="auteur" target="_blank" href="/journaliste/anne-sophie-faivre-le-cadre/">Anne-Sophie Faivre Le Cadre</a>
        </span>
</span>

</p>

对字符串“ajhajashsja 31.05.2018”有效的，对上面包含相同日期的html无效。为什么

---

非常感谢您的帮助

请尝试以下内容，并告诉我这是否有助于获取YYYY-MM-DD格式

2[0-9]{3}-(0[1-9])|(1[1-2])-([0-2][0-9])|([3][01])

如果是DD-MM-YYYY，请使用以下内容

([0-2][0-9])|([3][01])-(0[1-9])|(1[1-2])-2[0-9]{3}

---

或者使用

\.

代替上面的

-

，以防文本中包含

。

删除模式开头的胡萝卜

^

，因为这只会在行首找到匹配项

^在行首断言位置

---

您可以使用python的正则表达式模块

import re
a = """
<span id="publisher" itemprop="Publisher" data-source="LE MONDE">Le Monde</span>
 |    <time datetime="2018-05-30T10:44:42+02:00"
        itemprop="datePublished">30.05.2018 &agrave; 10h44</time>
 • Mis à jour le
 <time datetime="2018-05-31T13:54:38+02:00"
        itemprop="dateModified">31.05.2018 &agrave; 13h54</time>
        |
 <span class="signature_article">
 Par      <span itemprop="author" class="auteur txt2_120">            <a class="auteur" target="_blank" href="/journaliste/anne-sophie-faivre-le-ca
dre/">Anne-Sophie Faivre Le Cadre</a>
         </span>
 </span>

 </p>
 """
match=re.findall(r'(\d{2,2}.\d{2,2}.\d{4,4})',a)
print match
['30.05.2018', '31.05.2018']

重新导入
a=”“”
世界报
|2018年5月30日à；10时44分
•米沙焦耳
2018年5月31日à；13h54
|
标准杆数

"""
match=re.findall（r'（\d{2,2}.\d{2,2}.\d{4,4}），a）
打印匹配
['30.05.2018', '31.05.2018']

match将包含所有匹配字符串的数组

请尝试使用此字符串。我在学校考试

使用以下命令：-

import re

#documentString is the string representing your html text.
print re.findall(r"[\d]{1,2}\.[\d]{1,2}\.[\d]{4}", documentString ,re.MULTILINE)

输出：

['30.05.2018', '31.05.2018']

您的正则表达式（（？：19 | 20）\d{2}）匹配任何以无空格或某些空格开头的行，然后立即匹配所需的日期，然后以无空格或某些空格结束

这个问题是由“没有空格或有空格，然后立即”引起的。删除开头的

^

将解决问题，因为您的测试用例既不包含行开头的日期，也不包含某些空格之后的日期

编辑：根据我的测试，我找不到与问题结尾对应的任何结果

对字符串“ajhajashsja 31.05.2018”起作用

---

我不知道这是我的编码错误还是问题的原因。

你需要从

改为

\

。因为一个点意味着任何字符，所以通过转义它，你会告诉正则表达式匹配精确的点本身。当然，这会匹配提问者正在寻找的内容，但它会匹配很多他没有寻找的内容，同样感谢RavindersingH13基于询问者的例子，他希望只匹配有效日期，并使世纪前缀可选（至少只要是19或20）。这将比这匹配得多。@glibdud，我同意这是一个有效点，如果需要，regex可以相应调整。但是，用户在这个问题中没有要求任何与年份范围或其他相关的内容。与其他几个答案一样，这将比询问者要寻找的内容（看起来像日期但无效的内容）更匹配，并且不允许世纪前缀像他试图做的那样是可选的。不完全理解，asker正在查找与格式

dd.mm.yyyyy

匹配的所有日期，这就是上面的代码所做的。与其他几个答案一样，这将比asker所查找的（看起来像日期但无效的内容）更匹配，并且不允许世纪前缀像他试图做的那样是可选的。@glibdud，现在怎么样？请一定要让我知道？更好，不过我想你需要在每个组周围多加一些参数来界定

操作符的范围。@glibdud，当然很酷，请随意编辑它以使这篇文章更好。

import re

#documentString is the string representing your html text.
print re.findall(r"[\d]{1,2}\.[\d]{1,2}\.[\d]{4}", documentString ,re.MULTILINE)

['30.05.2018', '31.05.2018']