[已解决]python中关于去掉某些不需要的字符串

一个很小白的人

最近在做时间抽取，写的正则匹配，数据格式不标准，时间是五花八门的，如下：
2016年2月5日12时
2016年2月26日
2016年1月21日凌晨1点
2010年8月30号下午6点

现在我想把凌晨/下午去掉，做个时间的归一化。先判断，然后再去掉，该怎么处理呢？现在的抽取出来的时间的type是<type 'unicode'>

最佳答案

月排行榜 / 总排行榜

SylarPu

2017-11-29 11:15:33

1. # -*- coding: utf-8 -*-
   
2. 
   
3. string='''
   
4. 2016年2月5日12时
   
5. 2016年2月26日
   
6. 2016年1月21日凌晨1点
   
7. 2010年8月30号下午6点
   
8. '''
   
9. import re
   
10. # string=string.split("\n")
    
11. reg=r"(?:凌晨|下午)(\d)点"
    
12. 
    
13. def change(result):
    
14.     print(result)
    
15.     if "下午" in result.group(0):
    
16. 
    
17.         time=int(result.group(1))+12
    
18.         return str(time)+"点"
    
19.     else:
    
20.         return result.group(1)+"点"
    
21. a=re.sub(reg,change,string)
    
22. print(a)
    
23. 
    

复制代码

结果：

1. <_sre.SRE_Match object; span=(35, 39), match='凌晨1点'>
   
2. <_sre.SRE_Match object; span=(50, 54), match='下午6点'>
   
3. 
   
4. 2016年2月5日12时
   
5. 2016年2月26日
   
6. 2016年1月21日1点
   
7. 2010年8月30号18点

复制代码

跳转到最佳答案楼层

BngThea

用replace函数将”凌晨“”下午"替换为空，并且将“下午”后面的数字加12即可

SylarPu

1. # -*- coding: utf-8 -*-
   
2. 
   
3. string='''
   
4. 2016年2月5日12时
   
5. 2016年2月26日
   
6. 2016年1月21日凌晨1点
   
7. 2010年8月30号下午6点
   
8. '''
   
9. import re
   
10. # string=string.split("\n")
    
11. reg=r"(?:凌晨|下午)(\d)点"
    
12. 
    
13. def change(result):
    
14.     print(result)
    
15.     if "下午" in result.group(0):
    
16. 
    
17.         time=int(result.group(1))+12
    
18.         return str(time)+"点"
    
19.     else:
    
20.         return result.group(1)+"点"
    
21. a=re.sub(reg,change,string)
    
22. print(a)
    
23. 
    

复制代码

结果：

1. <_sre.SRE_Match object; span=(35, 39), match='凌晨1点'>
   
2. <_sre.SRE_Match object; span=(50, 54), match='下午6点'>
   
3. 
   
4. 2016年2月5日12时
   
5. 2016年2月26日
   
6. 2016年1月21日1点
   
7. 2010年8月30号18点

复制代码

SylarPu

编的有点累，求个最佳答案可好

SylarPu

像番茄加两个蛋

继续加油吧

一个很小白的人

SylarPu 发表于 2017-11-29 11:15
结果：

出差才回来，追加最佳答案了，么么哒