Python正则表达式提取字符串中的日期与时间完整指南

Alice

发布时间：2026-10-13 | 6人浏览过

原创

本文详细介绍如何利用Python正则表达式从非结构化文本中提取日期和时间。内容涵盖文本预处理、多种格式的正则匹配规则、函数封装实现以及完整代码示例，帮助开发者高效处理包含中文或标准格式的日期字符串。

日期提取前的文本预处理

在进行日期提取之前，通常需要对原始文本数据进行预处理，以统一日期格式并减少干扰字符。

首先，将文本中的中文日期分隔符统一转换为标准格式。具体操作是将“年”替换为“-”，“月”替换为“-”，“日”替换为空格，并将斜杠“/”也替换为“-”，最后去除首尾空白字符。例如，将“2015年8月31日”转换为“2015-8-31”，将“2015/12/28”转换为“2015-12-28”。


text = "2015年8月31日，衢州元立金属制品有限公司仓储公司（以下简称元立仓储公司）成品仓库发生一起物体打击事故，造成直接经济损失95万元。"
text1 = "2015/12/28下达行政处罚决定书"
text2 = "2015年8月发生一起物体打击事故"
# 对文本处理一下 # 2015-8-31  2015-12-28
text = text.replace("年", "-").replace("月", "-").replace("日", " ").replace("/", "-").strip()

构建时间提取的正则表达式

接下来，构建用于提取时间的正则表达式。根据需求，可以匹配包含时分秒的完整时间格式，如“2019年10月27日 9:46:21”，其正则模式为“(\d{4}-\d{1,2}-\d{1,2} \d{1,2}:\d{1,2}:\d{1,2})”。若只需日期部分，如“2019年10月27日”，则使用“(\d{4}-\d{1,2}-\d{1,2})”。对于仅包含年月的情形，如“2019年10月”，则使用“(\d{4}-\d{1,2})”。


# 2019年10月27日 9:46:21
"(\d{4}-\d{1,2}-\d{1,2} \d{1,2}:\d{1,2}:\d{1,2})"
# 2019年10月27日 9:46"
"(\d{4}-\d{1,2}-\d{1,2})"
# 2019年10月27日
"(\d{4}-\d{1,2}-\d{1,2})"
# 2019年10月
"(\d{4}-\d{1,2})"

封装日期提取函数

将上述逻辑封装为一个可复用的函数。函数首先对输入文本执行与前述相同的预处理步骤，包括替换分隔符和去除多余空格。随后，定义一个正则表达式列表，按优先级从高到低排列，分别匹配“年-月-日时:分:秒”、“年-月-日时:分”、“年-月-日”和“年-月”。遍历该列表，使用 re.search 尝试匹配，一旦找到匹配项，即返回捕获组内容；若遍历结束仍未找到，则打印“没有获取到有效日期”并返回空字符串。


def get_strtime(text):
 text = text.replace("年", "-").replace("月", "-").replace("日", " ").replace("/", "-").strip()
 text = re.sub("\s+", " ", text)
 t = ""
 regex_list = [
 # 2013年8月15日 22:46:21
    "(\d{4}-\d{1,2}-\d{1,2} \d{1,2}:\d{1,2}:\d{1,2})",
    # "2013年8月15日 22:46"
    "(\d{4}-\d{1,2}-\d{1,2} \d{1,2}:\d{1,2})",
    # "2014年5月11日"
    "(\d{4}-\d{1,2}-\d{1,2})",
    # "2014年5月"
    "(\d{4}-\d{1,2})",
 ]
 for regex in regex_list:
 t = re.search(regex, text)
 if t:
  t = t.group(1)
  return t
 else:
 print("没有获取到有效日期")
 
 return t

基于数值校验的提取方案

此外，还可以采用另一种基于字符过滤和数值校验的提取方法。该方法首先移除字符串中的所有中文字符，然后截取前10个字符进行数字提取。通过 re.findall 获取所有数字序列，并根据数字个数（1个、2个或3个）分别进行年份、月份和日期的合法性校验（如年份在1900至2099之间，月份不超过12，日期不超过31）。若校验通过，则按“-”连接返回；若数字不足，自动补全默认值（如月份不足补1，日期不足补01）；若校验失败或无有效数字，则返回None。


import re
#删除字符串中的中文字符
def subChar(str):
  match=re.compile(u'[\u4e00-\u9fa5]')
  return match.sub('',str)
 
#提取日期
def extractDate(str):
  if not str:
    return None
  raw=subChar(str)
  if not raw:
    return None
  #提取前10位字符
  rawdate=raw[:10]
  datelist=re.findall("\d+",rawdate)
  if not datelist:
    return None
  if datelist.__len__()==3:
    if (float(datelist[0])>2099 or float(datelist[0])<1900) or float(datelist[1])>12 or float(datelist[2])>31:
      return None
    else:
      return '-'.join(datelist)
  if datelist.__len__()==2:
    if (float(datelist[0])>2099 or float(datelist[0])<1900) or float(datelist[1])>12:
      return None
    else:
      datelist.append('01')
      return '-'.join(datelist)
  if datelist.__len__()==1:
    if float(datelist[0])>20991231 or float(datelist[0])<19000101:
      return None
    else:
      return datelist[0]
  return None