可变日期长度的 Java 正则表达式模式

Posted 2023-03-28

【中文标题】可变日期长度的 Java 正则表达式模式

【英文标题】：Java Regex Pattern for variable date length

【发布时间】：2019-08-24 09:03:16

【问题描述】：

需要：设置一个正则表达式模式来提取作为字符串子集的日期信息。

问题：月份和日期不是固定长度，即一月到九月用一位数表示，十月到十二月用两位数表示。日期 1 到 9 也是个位数，10 - 31 是 2 位数

字符串可以是以下任何一种格式：

"CompanyUIP198710800ST" : Name YYMD nnnnn cc (i.e. CompanyUIP 1987 10800 ST)
"CompanyA1982210800ST"  : Name YYMDD nnnnn cc (i.e. CompanyA 19822 10800 ST)
"CompanyVT191039405YT"  : Name YYMMD nnnn cc (i.e. CompanyVT 19103 9405 YT)
"CompanyBX1910249405YT" : Name YYMMDD nnnn cc (i.e. CompanyBX 191024 9405 YT)

在上面：

第一部分是公司名称 接下来的 4 或 6 位数字代表日期 接下来的几位数字（可变长度）代表标识号 最后 2 个字符是后缀 appender，总是 2 个字符

模式：我可以使用以下正则表达式获取公司名称部分

stringWord.replaceFirst("^(\\D+).*$", "$1") 

我尝试了下面的，它看起来很笨拙，而且因为我不知道一开始的月份或日期的长度，我需要将 lengthDate 变量替换为 4、5 和 6，然后删除错误的变量（即更多步骤和笨拙）。

int lengthDate = 4;
stringWord.substring(stringWord.replaceFirst("^(\\D+).*$", "$1").length(),
                       stringWord.replaceFirst("^(\\D+).*$", "$1").length() + lengthDate);

希望我面临的问题是明确的，并等待有关如何使用单一正则表达式模式实现所有 4 种日期格式的建议。

【问题讨论】：

不确定是否可以区分所有月份和日期的组合，但请尝试^\D+(\d2)(1[012]|[1-9])(3[01]|[12][0-9]|[1-9])\d+[A-Z]2$regex101.com/r/Jd5bX5/1

格式不明确。 ...2019111 应该是 2019-11-01 还是 2019-01-11？

CompanyBX191119405YT 的预期匹配是什么

在你们上面提到的特殊情况下，如果我们在10月或11月或12月，接下来的2位数字将被假定为月份，如果不是月份将被假定为为 1 位数。我知道这不是一个好习惯，但考虑到字符串格式，这是我能想到的最好的提取这些信息的方法。此外，此提取每周进行一次，因此不会出现遗留日期问题。也欢迎任何替代建议。

【参考方案1】：

有一些用于分隔数字的逻辑，您可能希望查看您的数据并提出一些不同的表达式，每个表达式将覆盖您的数据的一部分，然后使用交替连接它们。

例如，在我看来我们有两个类：

^(\D+)([0-9]4,)(9[0-9]3)([A-Z]2)$

和

^(\D+)([0-9]4,)([0-9]5)([A-Z]2)$

把它们结合起来，就可以了：

^(\D+)([0-9]4,)(9[0-9]3)([A-Z]2)$|^(\D+)([0-9]4,)([0-9]5)([A-Z]2)$

测试

import java.util.regex.Matcher;
import java.util.regex.Pattern;


public class re
    public static void main(String[] args)

        final String regex = "^(\\D+)([0-9]4,)(9[0-9]3)([A-Z]2)$|^(\\D+)([0-9]4,)([0-9]5)([A-Z]2)$";
        final String string = "CompanyUIP198710800ST\n"
             + "CompanyA1982210800ST\n"
             + "CompanyVT191039405YT\n"
             + "CompanyBX1910249405YT";

        final Pattern pattern = Pattern.compile(regex, Pattern.MULTILINE);
        final Matcher matcher = pattern.matcher(string);

        while (matcher.find()) 
            System.out.println("Full match: " + matcher.group(0));
            for (int i = 1; i <= matcher.groupCount(); i++) 
                System.out.println("Group " + i + ": " + matcher.group(i));
            
        

    

正则表达式电路

jex.im 可视化正则表达式：

---

如果您想探索/简化/修改表达式，它已经 在右上角的面板上进行了解释 regex101.com。如果你愿意，你 也可以在this link看，怎么搭配 针对一些样本输入。

---

【讨论】：

谢谢，同意格式不正确。我已要求向我提供 XML 文件的人，以确保我收到的日期格式是标准的。同时会尝试调整您的建议，因为它无法识别某些情况例如：CompanyUIP19119450ST