python - 文本中的日期列表

Question

我有一个包含 32 篇文章的文本文档，我想找出每篇文章的日期。我观察到日期出现在每篇文章的第 5 行。到目前为止，我已经使用以下方法将文本分成 32 篇文章:

import re 
sections = [] 
current = []
with open("Aberdeen2005.txt") as f:
    for line in f:
        if re.search(r"(?i)\d+ of \d+ DOCUMENTS", line):
           sections.append("".join(current))
           current = [line]
        else:
           current.append(line)

print(len(sections)) 

我想创建一个列表，其中包含每篇文章的日期，仅月和年:

可以看出，date是上图的格式，但有时不包括日期，例如周四。

有什么想法吗？

亲切的问候，

安德烈斯

附言。这是 16 文档的另一个示例:

Answer 1

在 if 语句下使用正则表达式，您可以替换日期:

regx = re.compile(ur'(\w+\s\d{1,2},\s\d{4})\s\w{6,9}')
line = re.sub(regx, "\\1", line)

示例:

https://regex101.com/r/pJ0nZ8/1

行缓存方法:

使用 linecache模块你可以专门捕获第5行并将其写入文件；如果日期包括工作日，它将被截断。可以使用此功能做更多的事情，但我会将更详细的信息留给您。

import linecache

w = 'Monday','Tuesday','Wednesday','Thursday','Friday','Saturday','Sunday'
l = linecache.getline("Aberdeen2005.txt",5)
m = [d in l for d in w]
c = '2005','2016' # years (optional)

if any(y in l for y in c): # check for years (optional)

    if any(x in l for x in w):
        r = [i for i,v in enumerate(m,0) if v]
        l = l.replace(' '+w[r[0]],'')

    with open("dates.txt", "a") as article_dates:
        article_dates.write(l)

linecache.clearcache()