C#使用Regex提取字符串日期时间信息失败，求解决方案

问题描述 #

尝试构建C#例程，通过正则表达式提取任意字符串中符合常见格式的日期时间信息，但代码运行后输出与输入完全一致，无法实现预期功能。

无效代码示例：

using System;
using System.Text.RegularExpressions;

class Program
{                
    public static string SearchForDateTime(string input)
    {
        // Define common date-time elements.
        string[] SEPARATORS = new string[] { "/", ":" };
        string[] MONTHS = new string[] { "January", "February", /* etc. */ };
        string[] DAYS = new string[] { "Monday", "Tuesday", /* etc. */ };
        string[] HOURS = new string[] { "AM", "PM", "A.M.", "P.M.", /* etc. */ };

        // Combine pattern elements, adding digitals.
        string separators = String.Join("|", SEPARATORS);
        string months = String.Join("|", MONTHS);
        string days = String.Join("|", DAYS);
        string hours = String.Join("|", HOURS);
        string pattern = $"{separators}|{months}|{days}|{hours}|[0-9]";

        // Replace anything that is not a date-time element by an empty string. 
        string output = Regex.Replace(input, $"[^{pattern}]", "");

        return output;
    }

    static void Main(string[] args)
    {
        string input1 = "Hello John, today is 25 January 2024 10:15 AM in Miami";
        string input2 = "Hello Jane, today is 25/01/2024 10:15P.M. in Boston";

        Console.Write("Input 1: " + input1);
        Console.Write("Output 1: " + SearchForDateTime(input1));
        Console.Write("Input 2: " + input2);
        Console.Write("Output 2: " + SearchForDateTime(input2));
    }
} 

简化测试仅保留月份名称，结果仍然无效：

public static string SearchForDateTime(string input)
{
    // Define common month elements.
    string[] MONTHS = new string[] { "January", "February", /* etc. */ };

    // Combine pattern elements, adding digitals.
    string months = String.Join("|", MONTHS);
    string pattern = $"{months}";

    // Replace anything that is not a month element by an empty string. 
    string output = Regex.Replace(input, $"[^{pattern}]", "");

    return output;
}       

问题原因分析 #

核心错误是误用正则字符类[]处理多字符模式：

1. 字符类[]的本质是匹配单个字符，任何放在其中的多字符序列（如January）、逻辑或符号|都会被拆解为单个字符处理。
2. 例如[^January|February]会被解析为「排除J、a、n、u、r、y、|、F、e、b等单个字符」，而非排除整个单词。因此输入中的空格、字母H/e/l等都不在排除范围内，替换后完全保留，导致输出与输入一致。
3. 原始思路是"保留日期时间元素，删除其他"，但字符类无法处理多字符的日期时间元素（如完整月份名、AM/P.M.），逻辑完全错误。

可行解决方案 #

推荐使用提取匹配项的思路，直接定位并提取所有符合日期时间格式的片段，而非通过替换删除无关内容，准确性更高。

修正后代码 #

using System;
using System.Text.RegularExpressions;
using System.Linq;

class Program
{                
    public static string SearchForDateTime(string input)
    {
        // 定义常见日期时间的正则模式
        string monthNames = @"January|February|March|April|May|June|July|August|September|October|November|December";
        string dayNames = @"Monday|Tuesday|Wednesday|Thursday|Friday|Saturday|Sunday";
        string timePattern = @"\d{1,2}:\d{2}\s*(?:AM|PM|A\.M\.|P\.M\.)";
        string numericDatePattern = @"\d{1,2}[-/]\d{1,2}[-/]\d{2,4}";
        string fullDatePattern = $@"{monthNames}\s+\d{{1,2}}\s+\d{{4}}";

        // 组合所有模式，用非捕获分组避免多余分组匹配
        string combinedPattern = $@"(?:{dayNames}|{fullDatePattern}|{numericDatePattern}|{timePattern})";

        // 提取所有匹配项，忽略大小写兼容不同写法
        var matches = Regex.Matches(input, combinedPattern, RegexOptions.IgnoreCase);
        
        // 拼接匹配结果，用空格分隔
        return string.Join(" ", matches.Cast<Match>().Select(m => m.Value));
    }

    static void Main(string[] args)
    {
        string input1 = "Hello John, today is 25 January 2024 10:15 AM in Miami";
        string input2 = "Hello Jane, today is 25/01/2024 10:15P.M. in Boston";

        Console.WriteLine("Input 1: " + input1);
        Console.WriteLine("Output 1: " + SearchForDateTime(input1));
        Console.WriteLine("Input 2: " + input2);
        Console.WriteLine("Output 2: " + SearchForDateTime(input2));
    }
} 

代码说明 #

1. 精准匹配模式：针对不同日期时间格式（完整月日年、数字日期、时间格式、星期）分别定义正则，覆盖常见场景。
2. 提取匹配项：用Regex.Matches获取所有符合模式的片段，避免替换法的逻辑漏洞。
3. 大小写兼容：添加RegexOptions.IgnoreCase，支持am/AM、January/january等不同写法的匹配。
4. 结果拼接：将所有匹配到的日期时间片段用空格拼接，输出干净的提取结果。

内容的提问来源于stack exchange，提问作者Douar Gwenn